| 開催日 | 2027年1月29日(金) |
|---|---|
| 開催地 | Web |
講師
イクトス株式会社 代表取締役 薬学博士 藤 秀義 氏
講師紹介
2009年アステラス製薬に入社。計算化学者としてITやAI技術を活用した創薬研究を推進。オープンイノベーションによる外部連携にも力を入れ、欧州でのMELLODDYコンソーシアムの立ち上げに唯一の日本人として参画。アステラス製薬退職後、2022年にケモインフォ株式会社を設立し、海外企業の日本での事業開発を支援。2024年にはフランスAI創薬企業Iktos社の日本法人となるイクトス株式会社を設立し、現在同社代表取締役を務める。
■専門および得意な分野・研究
薬学
計算化学
創薬化学
■本テーマ関連学協会での活動
最近の出版物
・「AI創薬の新潮流：ケミストリー駆動型生成AIとロボティクスが変える創薬化学の最前線」公益社団法人 日本薬学会 MEDCHEM NEWS 2026年8月号
・「AI・ロボティクスは「武器」になるか：新時代の創薬戦略とケミストの役割」技術情報協会 月刊 研究開発リーダー 2026年2月号
・「ケモインフォマティクスにおけるデータ収集の最適化と解析手法」技術情報協会 第４章 機械学習の具体的活用とその事例・第２節 Pythonのケモインフォマティクスでの活用を担当
＜その他関連商品＞
GLP/非臨床試験/薬物動態/AI創薬 一覧はこちら
日時・受講料・お申込みフォーム
●日時：2027年1月29日(金) 10:30-16:30 ＊途中、お昼休みや小休憩を挟みます。
●受講料：
【オンライン受講（見逃し視聴なし）】：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
【オンライン受講（見逃し視聴あり）】：1名 56,100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45,100円
セミナーポイント
生成AIの進展により、創薬研究では分子設計から文献調査、データ解析、プログラミングに至るまで、業務の進め方そのものが大きく変わりつつあります。本講座では、分子生成AIの技術と最新状況、実際の創薬プロジェクトでの活用事例を解説したうえで、生成AIによるプログラミング支援や簡単な創薬解析、機械学習の創薬への応用を実習形式で体験します。AI創薬の全体像をつかむだけでなく、明日からの研究・業務に取り入れられる具体的な手順と注意点まで持ち帰っていただける一日です。
■受講対象
• 製薬・化学・バイオ企業の創薬研究者で、AI・機械学習の業務活用を検討している方
• 生成AIを使ってデータ解析やプログラミングを効率化したい、プログラム経験の浅い研究者・技術者
• AI創薬の最新動向を体系的に把握し、自社への導入を判断する立場の方
■受講後、習得できること
• 分子生成AIの基本原理と最新状況を理解し、自社のテーマでの適用可否を判断できる
• 創薬プロジェクトでのAI活用事例を知ることができる
• 生成AIのプログラミング支援を使って、解析スクリプトを自分で作成・修正できる
• 化合物データの簡単な解析と、機械学習モデルの構築・評価の基本手順を習得できる
• 生成AIを研究業務に取り入れる際の注意点を説明できる
セミナー内容
1. 創薬研究におけるAI活用の歴史と生成AIの位置づけ
1-1. AI創薬の歴史
1-2. 分子生成AIの進化と、AI・ロボットによるDMTAサイクルの加速
1-3. 仏Iktos社のAI創薬プラットフォームMakya・Spayaの紹介
2. 化合物の文字列表記とSMILES入門
2-1. 線形表記の歴史
2-2. SMILESの書き方
2-3. Canonical SMILESと表記ゆれ
3. 分子生成AIのテクノロジー解説
3-1. 化合物生成AIの3つのアプローチ
3-2. 反応ベースの分子生成と合成可能性の評価
3-3. 生成AIとバーチャルスクリーニングの比較
3-4. REINVENT 4の概要
4. 分子生成AIを利用した創薬研究事例
5. 実習環境の準備
5-1. SmilesDrawerでSMILESから構造式を描いてみる
5-2. Google ColabへのREINVENT 4の導入（Miniconda・仮想環境の作成）
5-3. REINVENT 4の使い方とTOML設定ファイルの構成
6. REINVENT 4による分子生成
6-1. Reinvent：PriorによるDe Novo分子生成
6-2. LibInvent：母核構造から置換基を伸長する
6-3. LinkInvent：2つのフラグメントをリンカーで結合する
6-4. Mol2Mol：参照化合物に類似した分子を生成する
7. Spaya APIによる逆合成解析
7-1. Spaya API Clientの導入と、生成分子の合成ルート探索
7-2. RScore・SA scoreによるLibInventとMol2Molの合成可能性の比較
8. QSARtunaによるQSARモデルの構築
8-1. A2A受容体データセットの準備
8-2. 設定ファイルの作成
8-3. モデルの構築と予測、実測値と予測値の比較
9. QSARモデルを報酬とした強化学習
9-1. 強化学習の設定
9-2. 強化学習の実行と生成分子の可視化
9-3. Spayaでの合成可能性の確認
10. まとめと質疑応答
