スキップしてメイン コンテンツに移動

『創薬科学入門 ―薬はどのようにつくられる? (改訂2版)』☆4

最近「医療×AI」に興味がありますの第六弾。医薬品の歴史に始まり、様々な創薬手法やこれからの医療まで、薬について網羅的に学べます。「どんな名医でも救えるのは目の前の一人だけだが、画期的な医薬は何万・何十万の命を救うことさえできる」という一説が印象に残りました。

↑気になったらここからポチっと(買ってくれるとお小遣いが入ります)↑

この本を読むとわかること

医薬とは何か

  • ノーベル賞を取ることと同じくらい難しい新薬の商品化
  • ターゲットとなるタンパク質に作用する原理
    • 不可逆結合と可逆結合
    • 副作用が起きる理由
  • 経口投与する薬において考慮しなければならない様々な要素

医薬が世に出るまで

  • ターゲットタンパク質の選定⇒評価系の構築⇒シード化合物の発見⇒合成展開
    • シード化合物の見つけ方(気合と論理)
  • 新薬が特許で守られる期間と特許出願戦略
  • 薬価の決まり方
  • 治験の第1フェーズ~第3フェーズと、承認・市販後の第4フェーズ

医薬のベストバランス

  • 肝臓の代謝機能に対する対策
  • 脳の血液脳関門というバリアの突破方法
  • ファイザーの創薬スペシャリストであるリピンスキーの”Rule of Five”

創薬を支える新技術

  • タンパク質の構造を基に薬剤をデザインする”Structure-Based Drug Design”
  • 一挙に多種類の化合物を合成し、スクリーニングによって活性度の高いものを選ぶ”組合わせ化学”

天然物からの創薬

  • アオカビ由来のペニシリンが感染症治療にもたらした革命
  • 天然物創薬の王道である”発酵法”
  • 低分子薬と比較した天然物創薬の利点と欠点

プロセス化学

  • 大量の化合物を安定して合成する方法論である”プロセス化学”
  • 生体にとって全く異なる化合物として扱われる”鏡像異性体”
    • 片方は鎮痛剤・一方は興奮剤など、異なる効用
    • 両者の混合物であるラセミ体の医薬化
    • 一方だけをつくりだす”不斉合成”の研究の進展と現状

抗体医薬とゲノム製薬

  • 他の動物の免疫系を使って抗体を作らせるという抗体医薬の考え方
    • ヒトの免疫系との親和性の高い抗体の作成がポイント
  • 従来の抗がん剤と比較した分子標的薬の大きな利点
  • 抗体医薬の欠点
  • たんぱく質の一次情報がすべて書かれたヒトゲノムは宝の山
    • ゲノム医療はテーラーメイド創薬の入り口

抗生物質と抗ウイルス剤

  • 最近を直接やっつける抗生物質の動作原理
  • 耐性菌が抗生物質から自分の身を守る方法
  • 抗ウイルス剤のターゲット
    • ゲノム複製の阻害

変容する抗がん剤の科学

  • 第二次大戦で使われたマスタードガスを応用した史上初の抗がん剤
  • 抗がん剤治療で副作用が出る理由
  • 多発性骨髄腫に転用されたサリドマイドの血管の形成阻害作用
  • 本庶先生が発明したニボルマブががん治療に起こしたイノベーション

糖尿病治療への様々なアプローチ

  • 高血糖より怖い糖尿病の合併症リスク
  • 糖尿病の重篤化で発生するインスリン抵抗性
    • 武田薬品の作った糖尿病薬のイノベーション

精神病治療薬

  • うつ病の謎解きの糸口になったのは結核の治療薬
  • アセチルコリンがカギを握っているという抗コリン仮説
    • 抗コリン仮説から生まれた選択的セロトニン再取り込阻害薬SSRI
    • SSRIの副作用

鎮痛剤

  • 古いけど最強の鎮痛剤であるモルヒネ
    • アヘンに似た作用をするオピオイド
  • 史上最大の医薬であるアスピリン
    • 鎮痛作用だけではない多くの病気の予防効果

医薬の未来

  • DNAやRNAの断片である核酸を医薬として使う核酸医薬
    • 核酸医薬の動作原理

↓気になったらここからポチっと(買ってくれるとお小遣いが入ります)↓

ベストビュー(過去1カ月)

【番外編】AI(機械学習)やってみた。【第6回】乳がん診断AI その1

ソムリAI(ワインソムリエAI)で使った手法で乳がん診断AIを作ってみます。まずは決定木とニューラルネットワークの2つのモデルを試してみます。かなり高性能なモデルができました。名医誕生かもしれません 笑

【番外編】AI(機械学習)やってみた。【第1回】ソムリAI ~決定木編~

最近ブームのAI(機械学習)に手を出しました。まずは、決定木(Decision Tree)というモデルを使って「ソムリAI(ワインソムリエAI)」を作ってみようと思います。

【番外編】ボストン旅行記(UMASS Lowell卒業式編)【Day 4:卒業式】

UMASS Lowellの卒業式@Boston。4 日目は卒業式本番です。とても賑やかでアメリカンな式典でした。ただしあいにくの雨、僕曇り男なのに。。

【番外編】AI(機械学習)やってみた。【第4回】ソムリAIの改良(正規化)

ソムリAI(ワインの評価を機械学習で当てる「ソムリエ+AI」)はもういいかなと思っていたのですが、機械学習の教科書的な本を読んでいるといくつか改良ポイントが見えてきたので、実際に適用してみようと思います。 まずは データの正規化 という手法を試してみました。結論から言うと、 あまり効果はなかった のです。。 ソムリAIの振り返り ワインの成分とランクのデータに対して、決定木・ロジスティック回帰・ニューラルネットワークの3通りのモデルを使って機械学習 を行い、モデルの精度を検証してきました。それぞれのソムリAIの性能はこんな感じでした。 どのモデルも概ね60%程度の精度 でした。 改良その1:正規化 正規化とは まずは 正規化 という手法を試してみます。標準化とも呼ばれます。正規化を行うことで 尺度の異なるデータを比べやすくする とともに、 はずれ値の影響を小さくする ことができます。正規化には 各データを平均0・標準偏差1に成形する手法 と、各データを 0から1の範囲に成形する手法 の2つがあります。 前者は標準偏差が出てくることからも分かるように、 データが正規分布に従うことを前提にした正規化手法 です。 元のデータが釣鐘型の分布になっている場合に有効 です。後者は単純に データの範囲を0から1の範囲に狭める手法 であり、 元のデータが一様分布の場合 (規則性が無くランダムなように見える場合) に有効 です。 どちらの手法でもデータの範囲を一定のレンジに狭めており、そうすることで異なる尺度のデータを比べやすくしつつ、はずれ値の影響を下げるのです。 正規化してみる 元データの分布を確認 前回同様のワインのデータを使って正規化してみます。まずはワインのデータを読み込んで表示してみます。ついでに機械学習で使うワインの成分と、ワインの評価にデータを分割しておきます。 【オリジナルのワインデータ】 UCI(University of California, Irvine:カリフォルニア大学アーバイン校) http://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-red.csv #入力データセットを読み込み i...

『深層学習 Deep Learning (監修:人工知能学会)』 ☆4

人工知能学会が定期発行する学会誌『人工知能』に掲載された連載解説を単行本化した本。ディープラーニングの基礎から、画像認識・自然言語認識のような実践まで網羅的に書かれているので全体像をつかむには最適かも。

【番外編】ボストン旅行記(UMASS Lowell卒業式編) 【Day0:渡米前にやっておくこと】

UMASS Lowellの卒業式@Bostonについて、計画の立て方やら行く前にやっておくことやらをまとめておきます。

【番外編】ビッグデータ解析やってみた。【第1回】地震解析 ~最近地震多くないですか?~

「なんか最近地震多くない?」と思って調べ始めたら結果としてBI(ビジネスインテリジェンス)ツールを使った”なんちゃってビッグデータ解析”になってしまいました。4回くらいに分けて連載してみようと思います。

【番外編】AI(機械学習)やってみた。【第7回】乳がん診断AI その2

乳がん診断AI第二弾です。前回に引き続き、ランダムフォレスト・多数決などのアルゴリズムを使って精度を確認していきます。前回、ニューラルネットワークが叩き出した診断精度95%を大きく超える結果になりました!

【番外編】AI(機械学習)やってみた。【第5回】ソムリAIの改良(アンサンブル学習)

ソムリAI(ワインの評価を機械学習で当てる「ソムリエ+AI」)の改良として前回は正規化を試しました(大した効果なし)。今回は「アンサンブル学習」と「交差検証」というものを試してみようと思います。 アンサンブル学習とは ざっくりいうと、 複数の機械学習モデルのいいとこどりをしてより精度の高いモデルを作る ということです。「アンサンブル」っていう表現がおしゃれですよね。複数のモデルを組み合わせることで 過学習を防ぐ効果 もあるそうです。 交差検証とは 今までのソムリAIでは、データを訓練用と検証用に分けて訓練データでモデルを作成し、検証データ(モデルにとっては未知のデータ)でモデルの精度を測定していました。 訓練データでの精度に比べて検証データでの精度が高い場合は訓練データに個別最適化された過学習なモデルということになります。一方で、訓練データと検証データでの精度があまり変わらない場合は汎化性能の高いよいモデルということになります。 交差検証(Cross Validation)は、 訓練データをさらにn個に分けて訓練することで過学習を防ぎつつモデルの精度を上げる手法 です。例えば、3個に分ける場合こんなイメージです。複数のモデルを使ってよりよいものを作るので、アンサンブル学習の1手法ともいえます。 実際にやってみる 毎度おなじみですが、まずワインデータを読み込んで、訓練データ・検証データに分割します(データの正規化は後でやります)。 #入力データセットを読み込み import pandas as pd #データハンドリング用ライブラリ呼び出し data = pd.read_csv('winequality-red.csv', encoding='SHIFT-JIS') #機械学習で求める解である「評価」以外の項目をdata_Xに、「評価」をdata_Yに格納 data_X = data.copy() del data_X['評価'] data_Y = data['評価'] data.head() #読み込んだデータの先頭5行を出力 #入力データセットの70%を訓練データ・30%を検証データに分割 from sklearn.model_selection ...

【番外編】ボストン旅行記(UMASS Lowell卒業式編) 【Day2:晩餐会】

UMASS Lowellの卒業式@Boston。 2日目は午前中はボストン観光、夕方から Hooding ceremonyという卒業生(大学院生)向けの晩餐会です。卒業式で被るHoodをもらいました。

ベストビュー(全期間)

Malaysia Quarantine Premium Package 【番外編】Malaysia赴任記 隔離ホテル情報

Once entering Malaysia, we need to be quarantined for 14days. At the beginning of COVID-19 spread, the hotel for quarantine have been determined randomly. In these days, we can choose "premium quarantine stay package" in advance . This article is summary of premium packages which I asked each hotel. Note: Information in this article might be old. It's better to confirm the latest plan to the hotel. Note: Only Hotel Istana can be booked via its homepage so far. As the other hotels don't show their premium package plans on their homepage, you need to contact them through their reservation E-mail address or "Contact us". マレーシア入国とともに14日間ホテルで隔離されます。当初は滞在ホテルがランダムに割り振られていたようですが、より快適なプレミアムプランが追加されました。各ホテルにどんなプランがあるのか聞いてみたので、聞いた内容をまとめます。 ※情報が古い可能性があるので、念のため最新情報を各ホテルに確認したほうがよいかもしれません。

【番外編】AI(機械学習)やってみた。【第1回】ソムリAI ~決定木編~

最近ブームのAI(機械学習)に手を出しました。まずは、決定木(Decision Tree)というモデルを使って「ソムリAI(ワインソムリエAI)」を作ってみようと思います。

【番外編】ボストン旅行記(UMASS Lowell卒業式編) 【Day0:渡米前にやっておくこと】

UMASS Lowellの卒業式@Bostonについて、計画の立て方やら行く前にやっておくことやらをまとめておきます。

【番外編】AI(機械学習)やってみた。【第6回】乳がん診断AI その1

ソムリAI(ワインソムリエAI)で使った手法で乳がん診断AIを作ってみます。まずは決定木とニューラルネットワークの2つのモデルを試してみます。かなり高性能なモデルができました。名医誕生かもしれません 笑

【番外編】AI(機械学習)やってみた。【第3回】ソムリAI ~ニューラルネットワーク編~

AI(機械学習)やってみた、第3弾です。「ニューラルネットワーク(Neural Network)」を使ったソムリAIを作ってみようと思います。”ニューラルネットワーク”、見るからにAIっぽい名前ですよね。

【番外編】ボストン旅行記(UMASS Lowell卒業式編) 【Day5:帰国】

UMASS Lowellの卒業式@Boston。5 日目にして帰国なのです。

【番外編】ボストン旅行記(UMASS Lowell卒業式編)【Day 4:卒業式】

UMASS Lowellの卒業式@Boston。4 日目は卒業式本番です。とても賑やかでアメリカンな式典でした。ただしあいにくの雨、僕曇り男なのに。。

【番外編】ボストン旅行記(UMASS Lowell卒業式編) 【Day2:晩餐会】

UMASS Lowellの卒業式@Boston。 2日目は午前中はボストン観光、夕方から Hooding ceremonyという卒業生(大学院生)向けの晩餐会です。卒業式で被るHoodをもらいました。

【番外編】AI(機械学習)やってみた。【第2回】ソムリAI ~ロジスティック回帰編~

AI(機械学習)やってみた、第2弾です。前回は決定木(Decision Tree)を使ったソムリAI(ワインソムリエAI)を作りました。今回は「ロジスティック回帰(Logistic Regression)」というモデルを使ったソムリAIを作ってみようと思います。

【番外編】ボストン旅行記(UMASS Lowell卒業式編) 【Day1:ボストンへ】

UMASS Lowellの卒業式@Boston。 1日目は移動だけで終わりました。