受託解析
AI創薬・統合的バイオインフォマティクス受託解析サービス
複雑なデータを解き明かし、生命現象の解明へ
当社のAI創薬・統合的バイオインフォマティクス受託解析サービスは、複雑な生命科学データを解読し、革新的な洞察を提供します。
多様なオミックスデータから細胞画像、脳機能画像（fMRI）、医療情報まで、あらゆるデータを統合的に分析し、新たな発見への道を切り開きます。
- 医療における診断や治療のためのバイオマーカーの探索と検証
- 創薬ターゲットの同定
- 個別化医療のためのデータ解析
- その他の分野におけるオミックス解析や画像解析
- 標的分子に対するバーチャルスクリーニング など
「なぜその標的なのか」を
説明できる、AI創薬。
遺伝子発現データに基づく、標的探索から、AI／物理シミュレーションによる結合予測、そして細胞を用いた検証まで。
因果を見える化する創薬パートナー。
予測精度の先にある、
「説明可能性」という壁。
AIが「効きそう」と示しても、生物学的な根拠がなければ実験に進めない。
ジェイサーバイオは、因果関係を可視化する独自のAI解析でこの壁を越えます。
CONVENTIONAL
従来のAI創薬
- 予測結果は出るが、根拠が分からない
- 生物学的な妥当性検証が困難
- 実験設計にAIの示唆を活かしにくい
JeiserBio
説明可能なAI創薬
- 遺伝子間の因果関係（上流・下流）を可視化
- 「なぜ標的なのか」のメカニズムを提示
- 生物学的知見に基づく妥当性検証と実験計画
JeiserBioを選ぶ、3つの理由。
AIの予測力と、生物学の解釈力。
両方を兼ね備えた創薬支援を提供します。
-
説明可能な
AI解析技術
遺伝子間の因果関係をネットワークとして可視化して、標的選定の生物化学的根拠を提示します。
-
AI×物理
シミュレーション
最新のAIモデルと物理シミュレーションを組み合わせ、標的と化合物の結合親和性を予測します。
-
細胞を用いた
検証も実施可能
必要に応じ、AIの示唆に対する細胞ベースの妥当性検証まで一貫して支援します。
標的探索から細胞検証まで、
一気通貫で支援。
分断されがちな創薬プロセスを、
AIと生物学的知見でつなぎます。
-
01
TARGET
DISCOVERY標的探索
遺伝子発現データを
説明可能AIで解析。
因果ネットワークから抽出。 -
02
BINDING
PREDICTION結合予測
最新AI×物理シミュレーション。
標的と化合物の
結合親和性を予測。 -
03
CELL
VALIDATION細胞検証
AIの示唆に対する
細胞ベースでの
妥当性検証も実施可能。 -
CO-RESEARCH
共同・受託研究
課題に応じて柔軟に連携。
新規ターゲット創出から
御社データ活用研究まで。
あなたの創薬研究に、
説明可能なAIを。
ジェイサーバイオは、製薬・バイオ企業の研究者の皆さまとの共同研究・受託研究を通じて、
新たな治療標的の発見に貢献します。
PROPOSAL A
弊社抽出ターゲットを起点とした共同・受託研究
AI解析で抽出した有望な遺伝子標的をベースに、御社の創薬パイプラインを加速します。
PROPOSAL B
御社データを活用した新規創薬研究
御社が保有するデータに対し、説明可能AIで解析・標的探索を実施します。
私たちのサービスが選ばれる理由
圧倒的な解析力
- 最先端技術の駆使: AI解析、ディープラーニング、ネットワーク解析、統計・情報理論、画像処理など
- 多彩なプログラミング言語: Python を中心に、Java、C/C++ など幅広く対応
- 統合解析: オミックスデータ、タンパク質相互作用、画像、臨床情報などを包括的に分析
卓越した専門家チーム
インフォマティクスのエキスパート
- 東京大学大学院理学研究科修了
- 医療機器メーカーでの20年以上の実績
- アルゴリズム開発（10年以上）
- 製品開発（4年）
- 商品企画/マーケティング（4年）
- 32件の特許取得（細胞画像の処理・解析技術など）
生物学データ解釈のエキスパート
- 東京大学大学農学生命科学科終了（博士）
- 創薬研究等で25年以上の経験を持つ
- 査読付き論文を140報以上報告
データ解析のコンサルティング
データ解析でお困りの方へ、専門家による個別コンサルティングも提供しています。
- 問題の明確化: データ解析の課題を正確に把握
- 最適な解析戦略の提案: 目的に合わせた効果的なアプローチを提案
- 技術サポート: 解析手法の選択から結果の解釈まで幅広くサポート
- 知識移転: お客様のチームのスキルアップをサポート
-
包括的なデータ解析
オミックスデータから画像データまで
幅広いデータタイプに対応 -
最先端技術の活用
ディープラーニングや高度な統計手法を駆使
-
豊富な経験
20年以上の実務経験を持つ専門家チーム
-
成果
特許取得や論文発表など実績多数
-
カスタマイズされたソリューション
お客様のニーズに合わせた
柔軟な解析アプローチ -
多様な産業に対応
医療分野に限らず
幅広い産業のデータ解析に対応
当社の技術力と専門知識を示す最新の研究成果
がん特性評価と薬剤感受性予測のためのDeep Learningモデル
患者由来オルガノイドの画像データと遺伝子発現データを統合的に解析。
- がんの特徴を高精度に分類・評価
- 抗がん剤感受性に関与する重要遺伝子の同定
- 個別化医療への道を開く予測モデルの確立
詳細は以下の論文をご参照ください。
標的タンパク質に対する バーチャルスクリーニング
標的分子と化合物の結合予測
標的分子と化合物の標準的な解析フロー
- インプット: 標的タンパク質と化合物の指定
- シミュレー ション: AIベース、物理ベース
- 相互作用の解析: タンパク質の残基と化合物の原子の結合状態などを評価する
標的分子と化合物の結合予測: シミュレーション
AIベース
- 過去の実験データからの推論
- 未知のポケットを当てる能力が高い
- 多数のモデルが存在する（DiffDockやBoltz2）
物理ベース
- 原子間の物理的な相互作用を計算しエネルギーをスコア化
- タンパク質–リガンドの結合ではAutoDock（及びこれらを用いたライブラリ）
結合予測: GPCRと化合物～シミュレーション～
Affinity Binding Ki値(nM)の実測値と予想値の比較
- アドレナリン受容体ADRA2Aと化合物の結合予測により予測Ki値を算出、予測値と実験値を比較
- 高い精度であることを確認
結合予測: 相互作用解析
相互作用解析
- 視覚的確認（PyMOL）: タンパク質とリガンドの3D構造を可視化
- 数値評価(PLIP): 水素結合、疎水性相互作用などを数値的に評価する→ 例えば"活性部位の特定のアミノ酸との結合状態"などに基づき妥当性を評価する
創薬のワークフロー
疾患情報（遺伝子発現）から創薬まで
- 標的探索: ネットワークモデルによる標的分子の探索
- 化合物との結合予測による絞り込み
- 実験による評価・検証
Cell Paintingデータ解析 Learningモデル
Cell Paintingデータ解析とは
- 蛍光で多重染色した細胞画像から数百〜数千の形態特徴を抽出し、化合物や遺伝子操作による表現型変化を定量的に比較・クラスタリングする手法
- 薬剤の作用機序推定、毒性予測、ドラッグリポジショニングに利用
課題解決: 撮像・染色の再現性、セグメンテーション精度、バッチ効果、高次元解析の解釈などを適切に対応して解析します。
Cell Painting Assayのワークフロー
解析フローの概要: Cell Paintingの特徴量を解析する
- 画像特徴量（Deep Learningベースのモデルで各細胞の特徴量を抽出）
- 特徴量解析（化合物・濃度のUMAP embedding解析等）
| プロセス | ワークフロー | チェック方法 | 項目 | |
|---|---|---|---|---|
| 1 | 実験系 | サンプル準備〜撮像 | 目視による形態確認 | 系のデザイン〜培養・染色 |
| 簡単な画像解析による確認 | 撮像条件 | |||
| 2 | 画像解析 | 画像データ〜特徴量抽出 | 特徴量の統計分布 | 前処理、AIモデル |
| 3 | 分類 | 特徴量の解析 | UMAP・クラスタリング（Posi/Nega〜化合物・濃度） | 前処理、次元圧縮など |
複数データベースを組み合わせた統合解析
- 各種データベースを使った検討
- API/Scriptを使い多数の遺伝子・複数の条件を組み合わせ
- ネットワーク解析、統計処理を組み合わせた検討
- Python Library/R packageを使った解析
