Discovery DMPK 梅森研究員らの論文が「Pharmaceutical Research」に掲載されました

Fraction‑based Linear Extrapolation (FLEX) Method for Predicting Human Pharmacokinetic Clearance: Advanced Allometric Scaling Method and Machine Learning Approach

Published Date : September 10, 2025

＞詳細はこちらから

【論文の概要】
創薬段階において、医薬品候補化合物のヒトの薬物動態パラメータ、特にクリアランス（CL）の正確な予測は、開発成功率を高めるために重要です。従来、ラットのPKデータとヒト・ラットの血漿中フリー体分率（fu）を用いたSingle Species Scaling（SSS）法が広く利用されていますが、そのデータセットは限られており、外部データでの精度検証は明らかにされていません。本研究では、実験により新規データセットを取得し、初めて外部データを用いて、fuの閾値を設定することでデータセットを最適化した「Fraction‑based Linear Extrapolation SSS　(FLEX-SSS)」法を開発・検証しました。さらに、機械学習モデルとの組み合わせで、創薬段階においてヒトCLの予測精度向上が期待できる結果が示唆されました。

【Axceleadのソリューション】
Axceleadは、医薬品の合成からin vitroおよびin vivoでの各種評価をシームレスに行えます。創薬研究に関する豊富な経験とノウハウを活かした、より正確な予測モデルの提供が可能です。創薬段階における機械学習の活用を含め、医薬品開発における様々な課題にご対応しますので、是非、当社にご相談ください。

【その他の関連情報】
過去に報告した創薬段階における機械学習による動態パラメータ予測論文投稿一覧
・QSAR model to predict Kp,uu,brain with a small dataset, incorporating predicted values of related parameter (SAR QSAR Environ Res. 2022 Nov;33(11):885-897.)
・Development of a Novel In Silico Classification Model to Assess Reactive Metabolite Formation in the Cysteine Trapping Assay and Investigation of Important Substructures (Biomolecules. 2024 Apr 30;14(5):535.)

梅森　祐樹（うめもり　ゆうき）　Discovery DMPK
修士（薬学）。熊本大学大学院 創薬生命薬科学科で修士課程を修了後、帝人ファーマ株式会社に入社し、2024年よりAxcelead Tokyo West Partners株式会社に所属。創薬初期の化合物スクリーニングから、リード化合物のプロファイリングまで、幅広い薬物動態研究業務に従事。探索動態研究の経験を活かし、課題に応じた動態パラメータの機械学習予測モデルを作成し、Wet（実験）とDry（データ解析）の両面から研究を進めている。