ＳｙｎｔｈｅｔｉｃＧｅｓｔａｌｔ株式会社の情報

SyntheticGestaltと大鵬薬品、生成AIを活用したシステイノミクス創薬の基盤拡充に向け技術検証を開始！




SyntheticGestalt株式会社（本社：東京都新宿区、代表　島田幸輝、以下「当社」）と大鵬薬品工業株式会社（本社：東京都千代田区、代表取締役社長：小林将之、以下「大鵬薬品」）は、大鵬薬品独自の創薬基盤技術であるシステイノミクス創薬のさらなる拡充と進化を目指し、当社が持つ世界最大の分子基盤AIモデルの活用に向けた技術検証に関する契約を締結したことをお知らせいたします。
当社は、100億件という膨大な化合物情報を学習データとして活用した革新的な基盤AIモデル（SG4D10B※）を開発しました。この基盤AIモデルは、分子の複雑な立体構造を大量に学習することで、新規化合物に対する分子プロファイルの予測精度を向上させます。本モデルを各社の所有するライブラリーで追加学習・推論対象とすることで、各社独自の探索基盤を容易に構築することが可能です。
※SG4D10Bとは：SyntheticGestaltが開発した世界最大の分子特化型基盤AIモデル。従来の分子AI技術の課題である予測精度と汎化性能の低さを解決し、製薬企業や化学メーカーなどが保有する小規模データからでも高精度なモデル開発が実現可能。開発期間の大幅短縮と研究コスト削減により、新薬や新素材開発の効率化に貢献できる。当モデルは経済産業省及び国立研究開発法人新エネルギー・産業技術総合開発機構（NEDO）が実施しているGENIAC（Generative AI Accelerator Challenge）事業による支援を受けて開発された。
大鵬薬品が確立した創薬基盤であるシステイノミクス創薬は、自社独自の共有結合型化合物ライブラリーを核とし、日米欧で承認取得済みの医薬品、また現在臨床段階にある複数の開発品を創出した実績を有しています。同創薬基盤の強みを進化させ競争優位性を高めるため、システイン以外のアミノ酸を標的とする共有結合型薬剤の創製を含め、システイノミクス創薬の適用範囲の拡充に取り組んでいます。
当社CTOの神谷幸太郎は「当社の持つ立体構造や電荷を含有する4D探索技術を共有結合型薬剤のライブラリーに活用することにより、革新的な共有結合型薬剤の発見に寄与できます」と述べています。
大鵬薬品の取締役 開発・MA 部門管掌、研究部門担当の相良武は「SyntheticGestalt独自の生成AI基盤をシステイノミクス創薬基盤に組み込むことで、これまで創薬が困難とされていた標的に対して、共有結合型薬剤を見いだす成功確率を高めたいと考えています。私たちは、引き続きシステイノミクス創薬を活用した革新的新薬の創出を推進し、がん患者さんのペイシャントジャーニー全体を支えるがん治療薬を継続的に創製してまいります」と述べています。
システイノミクス創薬について
システイノミクス創薬は、システインを有する多様な標的タンパク質に対して共有結合型薬剤※を連続的に生み出すための大鵬薬品独自の創薬技術です。システイノミクス創薬基盤は、標的タンパク質データベース、共有結合型化合物ライブラリー、各種化合物評価システムなどから構成され、これまでに複数のパイプラインを創製した実績があります。
※共有結合型薬剤とは：標的タンパク質と共有結合を形成してその機能を不可逆的に制御する医薬品。タンパク質のポケットに結合する部分 (リガンド) と特定のアミノ酸に共有結合する部分（反応基）から構成されている。
SyntheticGestaltについて
SyntheticGestaltは、分子情報に特化したAI技術を開発する企業です。2024年と2025年には、世界最大の分子特化型基盤モデルをNVIDIA GTC（世界最大級のAIカンファレンス）で発表しました。従来の分子関連AIが抱えていた精度の課題を、SyntheticGestaltの分子特化型基盤モデルが解決します。医薬品、化粧品、農薬、新素材など幅広い分野でのAI活用を目指し、AIによる新たな発明を実現することを使命としています。
大鵬薬品について
大鵬薬品は、大塚ホールディングス株式会社の事業会社で「私たちは人びとの健康を高め、満ち足りた笑顔あふれる
社会づくりに貢献します。」を企業理念とし、「がん」、「免疫・アレルギー」の２領域に注力する研究開発型のスペシャリティファーマです。特にがん領域においては、国内におけるリーディングカンパニーの一つとして知られており、グローバル化も積極的に推進しています。がん領域以外におきましても生活の質の向上に貢献できる製品を販売しています。また、コンシューマーヘルスケア事業でも生活者志向を第一に愛情豊かな暮らしを支える商品作りに注力しています。大鵬薬品の詳細については、

https://www.taiho.co.jp

をご参照ください。
このリリースに関するお問い合わせ先
SyntheticGestalt株式会社
人事広報部
TEL: 03-4570-8634
e-mail: n.furuya@syntheticgestalt.com
大鵬薬品工業株式会社
経営企画部 ストラテジックコミュニケーション室（広報）
TEL： 03-3293-2878 （直通）
e-mail: th-koho@taiho.co.jp

サイエンスAIを駆使して、iPS細胞の新たな分化標的を発見！　～肝臓再生の自動化への光～




SyntheticGestalt株式会社（東京都新宿区、代表　島田幸輝。以下「当社」）は、AI活用により肝臓再生の実現に向けて必要な、細胞分化のための新しい標的遺伝子の特定に成功しましたのでお知らせいたします。
当社は科学的発見を行うAIの開発を目指しており、先駆的なビジョンを掲げるムーンショット型研究開発事業（以下「ムーンショット」）*1 目標3のプロジェクト「人とAIロボットの創造的共進化によるサイエンス開拓」に参画・支援を受けています。
当社のプロジェクトにおける役割は、遺伝子制御ネットワークの仮説を生成する AI を開発することです。この目的の達成のため、2つの研究開発活動を行っております：
1. 遺伝子発現データを扱うAI基盤モデルの開発
2. サイエンス課題への応用
このたび、サイエンスAIを駆使し、肝臓再生に向けて必要な構成細胞をiPS細胞から誘導するために重要な標的遺伝子を自動的に発見することに成功しました。
具体的には、約1千万の遺伝子の組み合わせから絞り込み、それらを専門家が評価した結果、細胞分化のための新しい標的となる未発表の遺伝子を当社が開発したAIによって発見することができました。この成果は、トップ研究者でも膨大な研究時間と費用を要するものであり、AIによる発見によってそれらを圧縮することで、肝臓再生を可能にするための基盤技術の開発に大きく貢献し、今後ロボットも活用することで更に発見を加速させることが可能になります。
当社はAIによって科学研究の成功率を向上させ、研究開発のタイムラインを短縮するとともに、研究資源の効率的活用を通してより多くの科学的イノベーションを生み出せる世界の実現に向けて取り組んでいます。当社は遺伝子発現に関する高度なAI基盤モデルを開発・提供することで、ライフサイエンスをはじめとする先端科学研究の加速に貢献してまいります。
*1 ムーンショット：2018年に日本政府により創設された研究開発プログラムであり、日本発のイノベーションの創出および大胆な発想に基づく研究開発の推進を目的としています
SyntheticGestaltについて
SyntheticGestaltは、分子情報に特化したAI技術を開発する企業です。2024年と2025年には、世界最大の分子特化型基盤モデルをNVIDIA GTCで発表しました。従来の分子関連AIが抱えていた精度の課題を、SyntheticGestaltの分子特化型基盤モデルが解決します。医薬品、化粧品、農薬、新素材など幅広い分野での応用を目指し、AIによる新たな発明を通じて文明の発展に寄与することを使命としています。

SyntheticGestalt、世界最大級のAIカンファレンス『NVIDIA GTC 2025』に当社代表 島田の現地登壇決定！




SyntheticGestalt（東京都新宿区、代表　島田幸輝。以下「当社」）は、2025年3月17日～21日にカリフォリニア州サンノゼで開催される「NVIDIA GTC 2025」に当社代表 島田が登壇しますので、お知らせいたします。
2024年にもオンラインにて登壇させていただきましたが、今年は技術的高さが認められてサンノゼの現地にて登壇いたします。同カンファレンスでは、日本の経済産業省・NEDOが提供するGENIACプログラムの支援を受けて当社が開発している分子情報に特化した革新的基盤AIモデルについて発表する予定です。
当社の基盤AIモデルは、100億件の化合物情報を学習データとして活用し、分子のプロファイル予測や分子生成AIモデル開発のための強力な基盤AIモデルを提供します。この技術基盤は、新薬開発、新素材創出、化粧品や農薬など幅広い分野での応用が期待されています。
「NVIDIA GTCという世界的な舞台で我々の取り組みを発表できることを大変光栄に思います」と当社CEO の島田幸輝氏は述べています。「我々の基盤モデルは分子生成AIの可能性を広げ、今後の創薬や材料開発に革命をもたらす技術として期待しています。この発表を通じて、AIによる分子発明の未来像を多くの方々と共有できることを楽しみにしています。」
開発中の基盤AIモデルの特徴は、各分子の複雑な立体構造を特徴量として学習することで、分子プロファイルの予測精度を向上させる点にあります。また、大量の学習データが使用されていることから、新規化合物に対しても高い精度が期待できます。これにより様々な分子AIモデルの開発が加速され、実験の効率化や成功確度の向上につながることが期待されます。
SyntheticGestaltについて
SyntheticGestaltは、分子情報に特化したAI技術を開発する企業です。2024年には、世界最大の分子特化型基盤モデルをNVIDIA GTCで発表しました。従来の分子関連AIが抱えていた精度の課題を、SyntheticGestaltの分子特化型基盤モデルが解決します。医薬品、化粧品、農薬、新素材など幅広い分野での応用を目指し、AIによる新たな発明を通じて文明の発展に寄与することを使命としています。

創薬領域における大きな課題である、学習データとかけ離れた予測対象への応用における、本モデルの貢献についてご紹介しますSyntheticGestalt（東京都新宿区、代表　島田幸輝。以下「当社」）は、2024年3月22日（金）16時に当社の研究開発の成果である、低分子に特化した大規模事前学習モデルについて発表予定ですので、お知らせいたします。発表はNVIDIA主催のAI 時代を牽引する技術カンファレンス、「GTC」にて、オンラインで行われます。
タイトル：10億化合物を学習させた大規模事前学習モデルによる次世代AI創薬
/ One billion compounds to empower next-gen AI drug discovery: a case study in the use of large-scale pre-training [SE62873]



大規模事前学習モデルの特徴である、化合物表現のイメージ図
本発表は、「学習したデータから離れたデータに対してはAIがうまく予測できない」という、AI創薬最大の課題について、10億件という大規模な学習データを用いることで大幅な精度の向上を達成し、一つの解決策を提案するものです。分子に特化した大規模事前学習モデルは他社でも開発されておりますが、学習データ量、学習に利用している化合物の特徴量の複雑さ、いずれにおいても世界最大のモデルになります。
弊社リサーチエンジニアのSouradip Mookerjee博士がプレゼンターを務め、学習データから大きく離れたデータに対して当社の大規模事前学習モデルを利用した予測を行い、実際に実験で計測した数値（初期毒性や薬物動態パラメータ）に対する予測精度から、有用性を示します。
また、この予測精度の大幅向上に貢献した大規模事前学習モデルは、他の様々な分子探索プロジェクトに活用することができ、より高精度なモデルを簡単に開発できる旨もご紹介します。
視聴方法
NVIDIA GTC Day: https://www.nvidia.com/gtc/
に登録の上、下記レクチャーの視聴登録をしていただければ、3月22日16:00~16:25にてご視聴いただけます。
https://www.nvidia.com/gtc/session-catalog/?search=&tab.allsessions=1700692987788001F1cG&search.industry=option_1559593230294#/session/1700199902744001UIt5

～化合物の3D構造に基づいた世界最大規模となる事前学習モデルを開発～SyntheticGestaltはEnamine REALデータベースの380億化合物を学習用データセットとして利用し、合成可能かつドラッグライクな候補化合物を発見するための事前学習モデル・生成AIモデル開発に取り組む



東京（日本）、キーウ（ウクライナ） - 2024年1月11日
ライフサイエンス領域でのAI開発に特化した研究開発企業である SyntheticGestalt株式会社（日本・東京、代表取締役CEO 島田幸輝）と、ビルディングブロック化合物・スクリーニング用化合物・統合創薬サービスの世界的プロバイダーである Enamine Ltd（ウクライナ・キーウ、CEO Andrey Tolmachov）は、AI創薬を実現する一連のAIモデルを開発するためのコラボレーションを開始することを発表します。このモデルは、物理的・化学的特性およびADME/Toxの特性を最適化し、なおかつ合成が容易な生物学的活性を持つ化合物の提案を可能にするものであり、アカデミアおよび製薬企業に向けたSyntheticGestaltのサービス、並びに同社の行う研究開発活動に利用される予定です。
Enamineは、オンデマンド化合物の最大規模のデータベースであり、380億件の化合物情報を含んだEnamine REALデータベースへのアクセスを提供します。SyntheticGestaltは同社が提供するDrug DiscoveryサービスにEnamine REALデータベースを追加します。このウェブサービスでは入力された化合物の物理的・化学的特性およびADME/Toxの特性を予測する他、課題のある化合物についてデータベース内から改良案を即座に提案する機能を持つものです。Enamineは、提案された化合物をわずか3～4週間以内に合成し、社内試験を通じて質の高い薬理学的in vitroプロファイリングデータを提供し、創薬サイクルの合理化と短縮に貢献します。
さらに、SyntheticGestaltはEnamineから提供されたデータを利用して、同社の事前学習モデルを強化します。当該モデルは化合物の3D構造に基づいたものとしては世界最大規模となる見込みで、同社の機械学習モデルの予測精度の向上に利用されます。また、当該モデルは他の製薬企業向けに共同研究を提案予定です。このモデルの詳細、および性能については、2024年3月に開催されるNVIDIA社の年次イベント「NVIDIA GTC Japan AI Day」で発表予定です。
Enamine事業開発担当ディレクター（Director of Business Development）、イアロスラバ・コス氏（Iaroslava Kos）のコメント：「新薬の発見において、AI/MLを活用したコンピュータ支援によるデザインがもたらす可能性を過小評価することはできません。ほんの一握りの新規化合物の合成によって、新たな活性化合物を見出すことは素晴らしいことです。我々は、SyntheticGestaltと共同事業を開始し、相互の目標を実現するために、我々の科学者の才能と専門知識を提供できることを嬉しく思います。我々は、長年の夢であった治療薬に向けた努力を共にすることを楽しみにしています。」
SyntheticGestalt代表取締役CEO、島田幸輝氏のコメント：「創薬研究における機械学習の応用は、学習データ上での性能は高いが実際の使用場面では性能が低いという問題に長年悩まされてきました。この問題を解決するためには、実利用されるデータを活用した大規模な事前学習モデルを開発する必要があります。Enamine REALデータベースは、市場で最も信頼される最大のオンデマンド化合物セットであるため、我々の取り組みに最適です。我々は、大規模事前学習が大規模言語モデル（LLM）に革命をもたらしたように、自社で開発した世界最大規模の事前学習モデルを用いてAI創薬における大きな飛躍を可能にできると信じています。」
以上
SyntheticGestaltについて
SyntheticGestaltは、創薬をはじめとするライフサイエンス分野へのAIの応用に特化した人工知能の研究開発企業です。独自に開発した人工知能技術を活用し、有用物質の発見に焦点を当てた研究開発を行っております。今回の研究に利用されているAIプラットフォームは、クラウドベースでスケーラブルな構造を持ち、大規模なライブラリに対して予測を行うことができるため、物理化学的特性やADME/ Tox特性、酵素機能等の予測が可能です。SyntheticGestaltは、公的機関や民間企業との共同研究によるオープンイノベーションを歓迎します。
詳細は以下サイトを御覧ください： https://syntheticgestalt.com
SyntheticGestalt創薬サービスについて
SyntheticGestaltは、独自の機械学習モデルに基づいて、Hit ~ Lead化合物のADME/Toxおよび物理化学的特性の問題に解決策を提案するウェブサービスを提供しています。
このサービスは以下のリンクからお試しいただけます： https://drugdiscovery.syntheticgestalt.com/
Enamineについて
Enamineは、新しい化合物空間の探索においてユニークな提携機会を持つ、科学主導の総合創薬受託研究機関です。同社は、自社で生産したスクリーニング化合物（在庫400万化合物）と化合物ビルディングブロック（在庫30万化合物）へのアクセスと、総合的な創薬サービスを含む包括的なプラットフォームを組み合わせ、創薬への取り組みを前進・加速させています。
詳細は以下サイトを御覧ください：https://enamine.net
Enamine REAL データベースについて
EnamineREAL(R)データベース（REadily AccesibLe）は、Enamineにより合成・提供可能な380億以上の分子コレクションで、極めて迅速（3～4週間）に、高い実現性（80％以上）で、かつ安価なものです。REAL化合物は、167の異なる合成プロトコルを介して137,000の化合物ビルディングブロックを利用したパラレルケミストリーによって合成され、成功率を最大化してオンデマンド化合物を設計するEnamineのアプローチの基礎となっています。