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，病毒负荷减少和缩短排泄期的根本原因在临床医学和公共卫生中起着至关重要的作用。但是，如Covid-19所示，释放的病毒量和持续时间因情况而异。 This research will tackle the following three challenges based on a quantitative understanding of viral infection dynamics: challenges (1) Issues to establish a technology for establishing patient stratification based on the duration of elimination (2) Issues to develop simulators that implement pharmacokinetics/pharmacodynamics/viral kinetics models (3) Establishment of biomarkers search techniques that predict antiviral treatment effects and excretion periods This research aims to develop and generalize使用从进行的NFV临床试验中获得的临床数据，旨在开发和普遍探索生物质量的数学信息基础技术，使用从NFV临床试验中获得的临床数据，旨在使用从NFV临床试验中获得的临床数据，以预测病毒排泄期和抗病毒治疗效果，以预测预测病毒排泄周期和抗病毒治疗效果，以预测多方面的数学信息技术，以实现生物构造的药物conj conje，一项多方面的临床试验，旨在预测病毒排泄周期和抗病毒治疗效果，以预测数学信息基础技术对加速型药物的探索，该临床数据旨在提高药物的临床试验，以预测病毒排泄周期和抗病毒治疗效果，以预测病毒排泄期和抗病毒治疗效果排泄周期和抗病毒治疗效果。在今年，关于任务（1），通过将数学模型与该临床试验中安慰剂组的案例数据相结合的数学模型与非线性混合效应模型进行了分析，并估计参数来表征每个病例病毒感染动态（VD）的特征。然后为使用数学模型重建的时间序列数据生成虚拟患者，并将包括分层聚类在内的各种人工智能技术应用于新分析的患者分层。关于挑战（2），我们开发了一种药代动力学/药效/病毒动力学（PK/PD/VD）模型，结合了每种情况的VD信息，并为现有药物组合了药代动力学/药效信息。此外，为了优化治疗效果，构建了一个模拟器，该模拟器实现了可以适应每个候选药物的任何方案（剂量，剂量时间表等）的PK/PD/VD模型，并准备在临床试验中估算和预测抗病毒效应。