AIとバイオの融合最前線

構成数 : 1

第1章 バイオテクノロジーにおける一里塚
1 はじめに
2 データサイエンスの現況と問題点
3 次世代に向けた生命現象解析
4 今後の展開

第2章 医薬との融合
1 創薬におけるAI技術の躍進:低分子からゲノム創薬・核酸医薬,そして量子創薬まで
1.1 はじめに
1.2 AIによる創薬プロセスの革新
1.3 AI創薬の課題と克服に向けた取り組み:ADMET予測の重要性
1.4 AIによるタンパク質医薬品設計の革新
1.5 AIが加速するゲノム創薬
1.6 AIが拓く核酸医薬の新時代
1.7 量子コンピューティング創薬の夜明け
2 構造生成器の基本的な考え方と具体例～セレンディピティ創出に向けて～
2.1 背景
2.2 構造生成器の基本
2.3 ルールベース型構造生成器の具体例:LigBuilder
2.4 ニューラルネットワーク型構造生成器の具体例:ChemicalVAE
2.5 ニューラルネットワーク型構造生成器の具体例:REINVENT
2.6 融合型構造生成器の具体例:EMPIRE
2.7 まとめと今後の展望
3 抗体医薬品設計のための機械学習技術
3.1 抗体医薬品設計のプロセスと機械学習
3.2 リード抗体最適化プロセスへの機械学習技術の適用
3.3 リード抗体最適化プロセスへのTPEを用いたオフラインMBOの適用
4 データ駆動型の創薬化学研究の現状
4.1 はじめに
4.2 創薬研究におけるデータおよびAIの活用
4.3 創薬化学からデータ駆動型創薬化学へ
4.4 製薬企業の目指すべき次世代の創薬化学研究
4.5 データ駆動型創薬化学推進のための組織結成とミッション
4.6 継続したデータ活用を実践するために
4.7 データ駆動型創薬化学への転換の効果
4.8 おわりに:まとめと今後の展望
5 データ駆動型ドラッグリポジショニング
5.1 はじめに
5.2 データ駆動型DRの概要
5.3 代表的なDR手法とその現状
5.3.1 標的分子予測
5.3.2 遺伝子発現変動プロファイル・トランスクリプトーム解析
5.3.3 自然言語処理・分散表現
5.4 ネトグリタゾンのDR研究事例
5.5 おわりに
6 大規模トランスクリプトーム情報を活用した細胞制御技術で新たな創薬へ挑む
6.1 背景
6.2 細胞のビッグデータを取得する技術
6.3 細胞のビッグデータを活用して細胞を制御する技術
6.4 結び
7 AI を活用した化合物設計
7.1 はじめに
7.2 AI創薬の現状
7.3 従来の創薬プロセスにおけるAI活用
7.4 AIを活用した化合物設計手法
7.4.1 バーチャルスクリーニング
7.4.2 物性・ADMETプロパティ予測
7.4.3 マルチパラメータ最適化
7.4.4 タンパク質-リガンド相互作用の予測
7.4.5 分子生成(de novo分子設計)
7.4.6 合成可能性予測
7.5 AI化合物設計の実践的応用
7.5.1 ヒット化合物同定におけるAI/MLモデル活用の最新動向
7.5.2 最新のAIツールと統合プラットフォーム
7.5.3 基盤モデルの台頭
7.6 今後の展望と課題
7.7 おわりに

第3章 医療との融合
1 疾患経過のモデリングと患者のデジタルツイン
1.1 要旨
1.2 はじめに
1.3 ライフコースデータの計算可能な形式での表現
1.4 機械学習を用いた状態識別による疾患診断の再定義
1.4.1 状態の分布と多様体仮説
1.4.2 機械学習による診断
1.4.3 自己教師あり学習による診断と予後予測
1.5 おわり...