環状ペプチドは、新たな創薬モダリティとして期待されながら、血漿タンパク質結合率の制御や膜透過性の確保に課題があります。しかし最近、合成やアッセイを行う前に計算機で設計の方向性を議論することが徐々に可能になりつつあります。
　ただし残された課題も多く、その現状を整理します。導入部では、アンチセンス核酸 (ASO) など核酸医薬が抱える課題についても触れます。本講演は網羅性よりも、一つの物性を深く掘り下げることで他の物性やモダリティにも転用できる方法論をお持ち帰りいただくことを重視します。
　当講演では、主に環状ペプチド医薬品の体内動態予測の問題を主要な事例として、中分子医薬品開発を支援するために、最新の分子シミュレーション技術や機械学習 (AI) 技術がどのように利用されているかをわかりやすく解説します。
　新しい創薬モダリティとして期待される中分子医薬品の位置づけの整理から始めて、解決すべき課題が従来の低分子医薬品とは異なることから、それを支援する情報技術も全く新しく開発されているという実情をご理解いただけます。
　また、大規模分子シミュレーションや機械学習 (AI) の手法が、どの程度まで利用されているかの現状についてご理解いただけます。例として取り上げる環状ペプチドの膜透過性予測のテーマを通じて、分子シミュレーションや機械学習における先端的な計算テクニックについてもわかりやすく解説しますが、これらは中分子医薬品に限らず、他の事例への計算アプローチの適用の参考になると思います。さらには、膨大な計算コストを削減するためのGPUの多重実行機構 (MPS: Multi – Process Service) についても紹介しますが、その技法は一般の計算にも広く適用可能です。

1. 中分子医薬品への期待
   1. 低分子・中分子・抗体医薬の位置付け – 何が違い、何が難しいのか
   2. ペプチド医薬品の特長と課題
   3. 核酸医薬品 (アンチセンス核酸ASO) の特長と課題
      • 肝毒性
      • オフターゲット
      • 送達
2. 分子シミュレーションによる環状ペプチドの膜透過性予測 (大規模シミュレーション編)
   1. 膜透過のシミュレーションは可能なのか
   2. 稀にしか起きない現象を観察するための様々なアプローチ (レアイベント・サンプリング)
   3. REUS (レプリカ交換アンブレラサンプリング) 法の解説および成果
   4. REUS/REST併用法 (REST=溶質側の実効温度を上げる手法) の解説および成果
   5. 主鎖修飾 (エステル化等) の効果を予測する
   6. より低コストで分子シミュレーションを実施する方法 (GPUの多重実行機構MPSの活用)
3. 機械学習による環状ペプチドの血漿タンパク質結合率 (PPB) 予測 (機械学習 (AI) 編)
   1. 記述子の設計と、古典的な機械学習による予測
   2. 深層学習を使わないという選択 – データ規模と手法の対応関係
4. 深層学習による環状ペプチドの膜透過性予測
   1. 膜透過性の実測データベースとその限界
   2. 環状ペプチド構造のHELM記法 (Hierarchical Editing Language for Macromolecules) による階層的な表現
   3. 原子レベル、モノマーレベル、ペプチドレベルの特徴量
   4. 階層特徴を統合する深層学習アーキテクチャによる予測
   5. 学習データを増やすためのデータ拡張の技法
5. 分子シミュレーションと機械学習の融合
   1. シミュレーションで得た物理量を特徴量とする
   2. その発展形と、今後の見通し
6. 中分子医薬品開発の効率化に向けて
   1. 大規模シミュレーションへの期待 – どこまで実務に耐えるか
   2. 基盤モデル・生成AIへの期待と限界
• 質疑応答