計算・AI創薬 Journal of Chemical Information and Modeling (ACS)
ML–PBPKワークフローの曝露予測誤差は主にクリアランス予測に由来
- グラフベースのモデルで非結合型分率、クリアランス、分布容積を予測し、化合物ごとに固定したPBPKモデルに入力してヒト曝露をシミュレートした。
- 少数の化合物で実測入力を予測値に一つずつ置き換えたところ、クリアランスの置換が曝露予測を最も悪化させた。
- グラフと記述子の併用モデルは記述子のみのベースラインと同等で、Cmaxは過小評価のままだった。著者は新規骨格では楽観的になり得ると述べており、検証は後ろ向きのみ。
ポイント アブストラクトに基づく見解
誤差の主因がクリアランスなのは意外ではない。ヒトPKでは昔からそうだ。知りたいのは、ミクロソームや肝細胞の実測値を使う単純なIVIVE外挿をベースラインに置いたとき、誤差がfold-errorでどう配分されるかだ。MLのクリアランスがそれを上回らないなら、複雑さが増えるだけで見返りがない。しかも化合物数が少なく、骨格を分けた検証もないので、新しいシリーズにそのまま信頼を置くことはできない。
原論文: Journal of Chemical Information and Modeling (ACS) ↗ From Molecular Structure to Human Pharmacokinetics: Clearance Prediction Drives Exposure Error in a Hybrid ML–PBPK Workflow