Establishment of Data Science Platform for Accelerating Drug Discovery in Emerging Infectious Disease Pandemic

建立数据科学平台，加速新发传染病大流行的药物发现

基本信息

批准号：
22K19829
负责人：
岩見真吾
金额：
$ 4.16万
依托单位：
Nagoya University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Challenging Research (Exploratory)
财政年份：
2022
资助国家：
日本
起止时间：
2022-06-30 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K19829/
关键词：
データ解析新型コロナウイルス感染症

项目摘要

ウイルス感染症では、根本的な原因であるウイルス量の減少、排出期間の短縮が臨床医学上、また、公衆衛生上、極めて重要な役割を果たす。しかし、COVID-19にみられるように、ウイルス排出量・期間は症例毎に大きく異なる。本研究では、定量的なウイルス感染動態の理解に基づいて、以下3つの課題に取り組む：課題 (１) ウイルス感染動態の定量化と排出期間に基づいた患者層別化技術の確立課題 (２) 薬物動態/薬力学/ウイルス動態モデルを実装したシミュレータの開発課題 (３) 抗ウイルス治療効果や排出期間を予測するバイオマーカーの探索技術の確立本研究では実施したNFV治験から得られた臨床データを用いて、ウイルス排出期間や抗ウイルス治療効果を予測するバイオマーカー探索と併せてドラッグリポジショニングを加速させるため多角的な数理情報基盤技術を開発し、汎用化することを目的にしている。本年度は、課題(１)に関しては、本治験のプラセボ投与群の症例データを用いて、ウイルス量の時系列データを数理モデルと非線形混合効果モデルを融合させることで解析し、各症例のウイルス感染動態(VD)を特徴づけるパラメータ推定を行った。そして、数理モデルにより再構築した時系列データに対して、バーチャルペイシェントを生成し、階層的クラスタリングを含む様々な人工知能技術を適用し、患者層別化を新たに分析した。課題(２)に関しては、症例毎のVD情報と既存薬の薬物動態/薬力学情報を併せて、薬物動態/薬力学/ウイルス動態(PK/PD/VD)モデルを開発した。なお、治療効果を最適化するために、薬候補別にあらゆるレジメン(投与量や投与スケジュール等)に対応可能なPK/PD/VDモデルを実装したシミュレータを構築し、臨床試験における抗ウイルス効果の推定・予測を実現する準備をした。

在病毒感染中，减少根源病毒的数量，缩短消除周期，在临床医学和公共卫生中发挥着极其重要的作用。然而，正如 COVID-19 所见，病毒脱落的数量和持续时间因情况而异。在本研究中，我们将基于对病毒感染动态的定量理解来解决以下三个问题：问题（1）基于量化病毒感染动态和排毒期的患者分层技术的建立（2）实现药代动力学的模拟器的开发问题/药效学/病毒动力学模型 (3)建立一种技术来寻找预测抗病毒治疗效果和脱落期的生物标志物目的是开发和推广多方面的数学信息基础设施技术，以加速药物重新定位。今年，针对问题（1），我们将利用该临床试验安慰剂组的病例数据，结合数学模型和非线性混合效应模型来分析病毒载量的时间序列数据，并对病毒载量进行分析。我们对每个病例的感染进行了参数估计来表征动态（VD）。然后，我们为使用数学模型重建的时间序列数据创建了一个虚拟患者，应用了包括层次聚类在内的各种人工智能技术，并对患者分层进行了新的分析。关于问题（2），我们结合每个病例的VD信息和现有药物的药代动力学/药效学信息，开发了药代动力学/药效学/病毒动力学（PK/PD/VD）模型。为了优化治疗效果，我们构建了一个模拟器，实现了 PK/PD/VD 模型，可以适应每个候选药物的所有方案（剂量、给药方案等），并在临床试验中估计抗病毒效果。 - 准备好实现预测。