当社は、創薬における予測や仮説生成を目的に、AIとナレッジグラフを組み合わせた先進的手法を導入。遺伝子や疾患、薬剤などの関係性を構造化し、有用な知見を抽出しています。膨大な計算処理にはTokyo-1を活用し、現実的な時間で高度な解析を実現。Healx社との連携やオープンソースの活用で得られた成果を踏まえ、独自モデルの構築も進行中です。さらに、XAI（説明可能な人工知能）や大規模言語モデルの導入、社内データの統合にも取り組み、創薬の質とスピードの両立を目指しています。

Tokyo-1の合同分科会では、GPUを活用した超高速SBVS（構造ベース仮想スクリーニング）に複数の製薬企業共同で取り組んでいます。低分子化合物の前処理プログラムと高速化ツールの開発により、一般的な手法の100倍以上の処理速度を実現。各社で700万化合物の解析を数日で完了させるなど成果が出ています。現時点では困難な1,000億化合物規模のスクリーニングについても、AIとの連携によって数日で処理可能なプロセスの構築を目指しています。

公開されている様々なタンパク質言語モデルや抗体言語モデルを活用することで、抗体パラメータ予測や活性向上改変に取り組んでいます。Tokyo-1により膨⼤な計算処理を実⾏し、試験的に設計した数十種の抗体の中には、結合活性が最大で30倍改善されたものも含まれていました。現在はタンパク質言語モデルの基盤モデルに抗体データを学習させることで、より高精度な予測ができるモデルの構築を目指しています。

当社では、創薬における構造ベースのアプローチとして、タンパク質の立体構造をX線結晶構造解析やクライオ電子顕微鏡、AI技術を活用して取得しています。得られた構造情報をもとに、分子動力学計算でタンパク質と低分子化合物の結合様式や相互作用を詳細に解析。さらに、FEP+（自由エネルギー摂動法）により結合自由エネルギーを算出し、化合物の結合の強さを高精度に予測します。これらの結果を新たな化合物の設計や候補の最適化に活用し、創薬研究の効率化を図っています。

創薬化学研究者（メディシナルケミスト、以下メドケム）とAIが協働する「ソーシャル創薬」を推進。メドケムの知見とAIの知性を融合させ、分子設計の課題解決を目指しています。スーパーコンピューター「Tokyo-1」を活用し、メドケムのフィードバックをもとにAIの強化学習を実施。現在、メドケム版AIエージェントの開発やメドケムとAIエージェントのインタラクションテストを進めており、人間とAIが共に進化する協働システムの実装を加速していきます。

化合物設計・合成を可視化したマップで、活性の強さや物性の良否を評価しています。「設計（Design）→合成（Make）→評価（Test）→分析（Analysis）」というサイクルのうち、AI予測を活用して、特に「設計」の部分を充実させることによって、無駄な合成を削減し、期間短縮を図っていきます。重要な評価データは次の設計に活かし、効率的合成には自動合成機も導入。計算科学と実験の連携によりDMTAサイクルを効率化し、創薬のさらなるスピードアップを目指しています。