📰 概要
パソコン操作、プログラミングが苦手な方でも薬物候補化合物をデザインしたい方、気軽にin silico創薬を試したい方、創薬分野に関心のあるエンジニアの方へ。

本書はwetな創薬研究の経験があり、現在エンジニアである著者の視点から、wetな研究者からもdryの創薬研究をわかりやすく、またエンジニアの方でも創薬が身近に感じれるように解説した記事になっております。内容も確立された手法から最先端の手法までカバーしております。ぜひin silico創薬を気軽に体験し、あなた独自の新薬を開発してみませんか？

👫 対象とする読者
・パソコン操作、プログラミングが苦手な方でも薬物候補化合物をデザインしたい方
・気軽にin silico創薬を試したい方
・創薬について知りたいエンジニア

📰アップデート情報
2023/06/21: 技術書初版がリリースされました。
2024/02/01: Auto Dock Vinaを使ったin silico スクリーニング追記
2024/02/15: 機械学習を用いたin silico screeeningを追記
2024/07/24: プペルル酸を使った創薬、Castpによるポケット予測追記
2024/08/01: 構成の変更
2024/10/19: PyRx、Autodock vinaを使ったin silicoスクリーニングを改定、Dockstring追記
2024/10/27: 全プログラムの動作確認実施、改定

※本技術書は半年に一回程度でアップデートされます。
アップデートされた場合、アップデート版が見れるので、再度購入する必要はありません。

📣お知らせ
2024/03/11 売り上げ部数100冊突破🎉
2024/07/16 本技術書に関連するAI創薬のコンペで筆者らのチームが銀賞を受賞しました🎉　 <a href="https://zenn.dev/labcode/articles/987a39a22ce135" target="_blank" rel="nofollow noopener noreferrer">https://zenn.dev/labcode/articles/987a39a22ce135</a>

📰 概要
パソコン操作、プログラミングが苦手な方でも薬物候補化合物をデザインしたい方、気軽にin silico創薬を試したい方、創薬分野に関心のあるエンジニアの方へ。

本書はwetな創薬研究の経験があり、現在エンジニアである著者の視点から、wetな研究者からもdryの創薬研究をわかりやすく、またエンジニアの方でも創薬が身近に感じれるように解説した記事になっております。内容も確立された手法から最先端の手法までカバーしております。ぜひin silico創薬を気軽に体験し、あなた独自の新薬を開発してみませんか？

👫 対象とする読者
・パソコン操作、プログラミングが苦手な方でも薬物候補化合物をデザインしたい方
・気軽にin silico創薬を試したい方
・創薬について知りたいエンジニア

📰アップデート情報
2023/06/21: 技術書初版がリリースされました。
2024/02/01: Auto Dock Vinaを使ったin silico スクリーニング追記
2024/02/15: 機械学習を用いたin silico screeeningを追記
2024/07/24: プペルル酸を使った創薬、Castpによるポケット予測追記
2024/08/01: 構成の変更
2024/10/19: PyRx、Autodock vinaを使ったin silicoスクリーニングを改定、Dockstring追記
2024/10/27: 全プログラムの動作確認実施、改定

※本技術書は半年に一回程度でアップデートされます。
アップデートされた場合、アップデート版が見れるので、再度購入する必要はありません。

📣お知らせ
2024/03/11 売り上げ部数100冊突破🎉
2024/07/16 本技術書に関連するAI創薬のコンペで筆者らのチームが銀賞を受賞しました🎉　 https://zenn.dev/labcode/articles/987a39a22ce135

自宅でできるin silico創薬【新薬探索編】  ~初心者でもできる”おうち創薬”~

前書き

構成(目次)

第0章　創薬の仕組み

第1章　RF Diffusionによるタンパク質バインダーの創出

RF Diffusion、Protein MPNN、AF2とは

RF Diffusion、ProteinMPNN、AF2を使った一連のin silico創薬

結合剤の生成アニメーション

結果

既存の阻害剤構造との重ね合わせ

第2章　PyRxによるin silico スクリーニング

治療したい疾患、標的タンパク質の決定

タンパク質の準備

低分子化合物ライブラリの準備

In silicoスクリーニング

結合サイトの可視化

第3章　Autodock Vinaを使ったin silicoスクリーニング

AutoDock Vinaとは？

ZINCデータベースからの化合物ライブラリの構築

In silicoスクリーニングの設定

第4章　Dockstringを使ったin silicoスクリーニング

Anacondaによる環境構築

DockStringの使用環境の準備

第5章　ACFIS2.0によるFragment-based drug design (FBDD)

Fragment-based 創薬、ACFIS2.0とは

タンパク質のinput、ライブラリの選定

ACFIS2.0のワークフロー

第6章 【AI創薬】機械学習を用いたin silico screening

AI創薬とは

第1節　公共データベース（CheMBL)からの機械学習の学習データを収集

Postgre SQL（データベースの作成）

pgadmin4を用いた学習データのダウンロード

活性非活性データの追加

第2節　公共データベース（PDB)からのデータを収集

Webデータ構造の確認

リガンド情報のスクレイピング

第3節　 機械学習の学習データの整形

CheEMBLとPDBデータのマージ

構造データからのフィンガープリントの作成

第4節　整形データを用いた予測モデルの作成

データの準備とモデルの訓練

モデルの評価と統計指標の計算

最終節　予測モデルによる候補化合物のin silico screening

Drug Bankからの対象データの出力

Drug Bankデータの整形

in silico screening

第7章 プベルル酸の毒性予測と治療薬への可能性の模索

Ligand-based screeningとは

プベルル酸の腎毒性予測

SwissTargetPredictionによるプベルル酸の標的タンパク質予測

Swiss Similarityによるプベルル酸のインフルエンザ薬への可能性