CTCのライフサイエンス情報サイト LSTech

  • Home
  • > 製品一覧
  • > AI創薬の学習用化合物データベースGOSTAR
GOSTAR AI創薬の学習用データセットに、SAR解析に
関連ニュース

GOSTAR製品のご紹介

製品概要

低分子医薬系化合物データベースGOSTARは、Excelra社の優秀な科学者がマニュアルキュレーションで選抜した、800万化合物及び特許論文から2,800万件のSAR情報を収載したコンテンツソリューションです。
Webベースのシステムで、インターネットに接続できる環境ならどこからでもアクセス可能です。
GOSTARは、主にメディシナルケミストによるSAR（構造活性相関）解析、AIやML（機械学習）モデルによる創薬の学習用データセットとして利用が拡がっており、世界大手製薬始めアカデミック、バイオテック企業などでデファクトスタンダートで使用されています。

このような業務にお使いいただけます！

創薬研究開発の探索、トランスレーショナルリサーチ、臨床まで幅広くご利用いただけます！

GOSTAR製品のご利用業務の領域

製品の特長

網羅的なデータ
  • 世界最大規模のデータ量
  • データベース全体を通じて用語が統制
  • 正規化・標準化されたデータフィールド
  • セマンティック技術を用いた網羅的なデータ紐付け
使いやすく柔軟なシステム
  • Webブラウザーからオンラインでアクセス可能
  • ユーザーが自社で保有するデータの登録が可能
  • SDファイル・RDファイル・Excel・XML・CSV形式でデータ出力
豊富な機能
  • 50データフィールド以上もの豊富な検索オプション
  • 標準機能で、化学構造ドローイングツールと解析ツールを実装

化合物を起点とした360°View

検索からスタート！

化合物に関する情報（化合物名・CAS番号・SMILES/SMARTS形式の構造情報）や、活性情報（タンパク質名や活性値）、文献目録、化合物のステータス（探索段階・開発中・市販医薬品）など詳細な情報を条件設定して、検索できます。

化合物に関する情報や、活性情報、文献目録、化合物のステータスなど詳細な情報を条件設定して、検索できます。

データを用いた解析で新規知見の抽出化合物を中心としたデータの参照

データを用いた解析で新規知見の抽出／化合物を中心としたデータの参照

上市医薬品の基礎研究データに基づき、
自社開発化合物のヒントを得る

様々な切り口によるデータを閲覧

収録コンテンツ

膨大なデータソースをセマンティック技術で紐づけ、正規化・標準化された合理的なデータベース

GOSTAR製品の収録コンテンツ内容
世界最大級のデータ量 ※2019年7月現在

化合物 ：約8,000,000件（前臨床、臨床、承認薬含む）
論文 ：約342,392件
特許 ：約2,200,000件
SAR情報：約28,000,000件

毎月データを更新
平均の更新件数/回

化合物 ：約12,000件
アッセイ ：約2,000件
SAR情報 ：約58,000件

ケミカルデータ

SMILES、毒性構造/代謝物、InChi、Lipinskiデータ、CAS番号、化合物名とシノニム、骨格、フレームワーク、環状、core group、天然物

臨床試験データ

前臨床 ：215,000件
臨床　：20,000件
上市医薬品 ：5,000件

バイオロジカルデータ
  • シノニムを含むバインディング & アッセイタンパク質、セルライン、ソース、正式名称、gene/entrez ID、PDBID
  • ADME：種別、代謝酵素、species、Mode of conversion、CYP酵素
  • 毒性：一般、代謝物データを伴う臓器特異的な毒性
  • 標準オントロジー：治療領域(ICD-10)、副作用情報 (MedDRA)、タンパク質 (NCB!)
特許・文献

公開済み特許情報（US・WO・DE・EP・GB・ FR・JP）論文・ジャーナル、著者、PUBMED ID、DOI、会社名、M&A（合併&買収）データ

特許・文献

カスタムデータキュレーションサービス

ユーザー事例

事例１： 大手米国製薬企業　機械学習モデルによる活性リード化合物の予測

事例１： 大手米国製薬企業　機械学習モデルによる活性リード化合物の予測

GOSTAR化合物ライブラリ 700万化合物を（当時最大件数）トレーニング、テストデータセットとしてモデル構築に利用した。
製薬企業とのコラボレーションにより、ユーザーが興味あるターゲット情報とGOSTARをインプットデータとして、機械学習と深層学習に基づくモデルを構築。トレーニングとテストを繰り返し、ターゲットに対する活性/非活性の予測精度を高め、活性の見込みがあるリード化合物の予測に成功した。

事例２： Novartis

事例２： Novartis

生理活性化合物12,000個、最近医薬品、古い医薬品の性質を比較した。

薬品になる物性はある領域に集中している一方で、2002年以降に承認されている医薬品は伝統的なドラッグスペースから逸脱している。
この新奇な領域では、古典的な医薬品の知識による半経験的ルールは必ずしも適用できない。別の新しいアプローチが求められることが分かった。

解析用のデータセット
MCD: 生理活性化合物のassay情報をjournalからキュレーションしたDB

Drug Discov Today. 2011 Nov;16(21-22):976-84.

事例３： AstraZeneca

事例３： AstraZeneca

  • 経口投与薬と治験薬のLipinskiパラメータの傾向を製薬企業毎にトレンド解析した。
    解析用のデータセット
    Kinase, GPCR, IC, Transporter, NHR, Phosphatase
  • 製薬企業ごとの開発候補化合物のLipinskiパラメータを比較。
    （例：製薬企業間での比較、ターゲットタンパク間での比較、マッチドペア解析）
    解析用のデータセット
    特許をデータソースとする生理活性
    化合物のアッセイデータ (all targets)

Nat Rev Drug Discov. 2007 Nov;6(11):881-90.
Nat Rev Drug Discov. 2011 Oct 30;10(10):749-65.

PageTop