| 開催日 | 2026年7月22日(水) |
|---|---|
| 開催地 | Web |
☆日々進化を続ける‘生成AI×創薬研究(研究開発)’の最前線！
☆2026年7月現在、何をどこまで実現することが可能なのか？
☆3.5時間の講義を通じて、貴重な情報を最大限にお届けいたします！
【テーマ名】
インシリコ・生成AI技術・AI Agentの活用による‘創薬研究’開発の高速化と実践例解説
～リード化合物のスクリーニング・物性予測・最適化やDe novoデザイン等に役立つ、OSSの使用方法も含む～
【講師】
株式会社 理論創薬研究所
代表取締役
博士（薬学）
吉森 篤史 氏
【学歴】
1994年 北九州高専 電子制御科 卒業
1996年 豊橋技術科学大学 工学部知識情報工学課程 卒業
2000年 豊橋技術科学大学大学院 工学研究科修士課程エコロジー工学専攻 修了
2002年 豊橋技術科学大学大学院 工学研究科博士後期課程環境生命工学専攻 退学
2005年 博士（薬学）(東京理科大学）取得
【職歴】
2004年～現在 株式会社理論創薬研究所 設立、代表取締役就任
(2012年～現在 東京理科大学 客員教授)
(2024年～現在 静岡県立大学 客員教授)
(2024年～現在 University of Bonn, Affiliated Scientist)
【専門および得意な分野・研究】
・ケモインフォマティクス
・分子シミュレーション
・AI創薬/インシリコ創薬
・ペプチド擬態
【開催日時(オンライン配信)】
2026年7月22日(水) 13:00-16:30
【受講料】
●オンライン受講(見逃し視聴なし)：1名45,100円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき34,100円
●オンライン受講(見逃し視聴あり)：1名50,600円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき39,600円
※詳細な内容やお申込み要領等は、下段「セミナーホームページを見る」をご参照ください。
【セミナーの内容】
■講座のポイント
インシリコ/AI創薬技術は、創薬の工程で得られるデータを最大限に活用し、開発サイクルの効率化と高速化を実現するための手段として注目されている。最近では、生成AIの急激な普及により、ペプチド、並びにリード化合物のde novoデザインにおいても、生成AI技術が広く利用されている。さらには、AI Agentを活用した創薬研究も実施されるに至っている。
本講座では、生成AI技術を中心に、インシリコ/AI創薬技術の解説、並びに実践的な活用法について、事例を通して紹介する。また、これらに関連したオープンソースのソフトウェアについては、手法の概要だけではなく、インストール法、並びに使用法も含めて解説を行う。最後に、AI Agentを活用した化学構造の最適化戦略について紹介をする。本講座で紹介した内容は、受講者の皆さまがご自身の環境でAI創薬技術を活用する際の参考になるものと考えている。
■受講後、習得できること
・創薬に関連する生成AI技術の基礎的な知識
・インシリコ/生成AI技術の実践的な活用に関連する知識
・オープンソースのソフトウェアを用いたインシリコ/生成AI技術の具体的な活用法
・AI Agentの知識と活用法
■講演中のキーワード
・AI Agent
・インシリコ創薬
・AI創薬
・de novoデザイン
・リード化合物の最適化
・バーチャルスクリーニング
■プログラム項目
１．リード化合物のスクリーニング
１．１ インシリコスクリーニング手法の概要
１．２ Boltzを用いた複合体構造の予測と化合物のスクリーニング
１．３ オープンソースで利用できるソフトウェアの紹介（インストール及び使用法）
・Boltz (https://github.com/jwohlwend/boltz)
・GNINA (https://github.com/gnina/gnina)
２．リード化合物の物性予測
２．１ 物性予測手法の概要
２．２ Molecular Topographic Map (MTM)を用いた物性予測
２．３ オープンソースで利用できるソフトウェアの紹介（インストール及び使用法）
・Chemprop (https://github.com/chemprop/chemprop)
３．リード化合物の最適化①
３．１ SAR Transferの概要
３．２ Analogue Series (AS) Alignmentを用いたリード化合物の最適化
３．３ DeepASを用いたリード化合物の最適化
３．４ オープンソースで利用できるソフトウェアの紹介（インストール及び使用法）
・AS alignment (https://doi.org/10.1016/j.ejmech.2022.114558)
４．リード化合物の最適化②
４．１ Bioisostereの概要
４．２ Embedded Fragment VectorによるBioisostereの探索
４．３ オープンソースで利用できるソフトウェアの紹介（インストール及び使用法）
・Embedded Fragment Vector (https://doi.org/10.1186/s13321-025-00951-3)
５．AI Agentを用いた化合物のde novoデザイン
５．１ 創薬向けAI Agentの概要
５．２ ローカルLLMの導入と利用方法
５．２ Model Context Protocol (MCP)によるLLMと外部プログラムとの連携
５．３ AI Agent (X-DeepSARM)による化合物のde novoデザイン
５．４ オープンソースで利用できるソフトウェアの紹介（インストール及び使用法）
・gpt-oss (https://github.com/openai/gpt-oss)
・X-DeepSARM (https://www.sciencedirect.com/science/article/pii/S2667318526000024)
６．Q&A
