会社概要
2017年から biology と AI の融合研究に取り組み、
計算と実験をつなぐ Lab-in-the-loop で抗体最適化を実現しています。
計算と実験をつなぐ Lab-in-the-loop で抗体最適化を実現しています。
Lab-in-the-loop
2017年の ICML Biology Workshop での発表を起点に、biology と AI の融合研究を続けてきました。
現在は生成機械学習、多タスク性質予測、能動学習、in vitro 実験を
半自動の反復最適化ループ（Lab-in-the-loop）で統合し、抗体最適化を進めています。
Research Focus
ICML 2017 以降の biology × AI 研究
Research Track
- Since 2017 ICML Biology Workshop にアクセプトされて以来、biology と AI の研究を継続 ICML 2017
- Targets EGFR, IL-6, HER2, OSM など臨床関連抗原 4 antigens
- Design 動物免疫と免疫レパートリー解析から得たリード分子を起点にバリアント設計 1,800+ variants
- Loop 4ラウンドの反復最適化（設計 → 予測 → 選抜 → 実験 → データ統合） 4 rounds
- Binding 全ターゲットで 3–100× の結合改善、最良候補は治療関連レンジの 100 pM 付近 10 leads
- Structure リード候補4種と設計候補4種の結晶構造解析による機構解明 8 structures
Our
Capabilities
-
Lab-in-the-loop
- 生成モデル、性質予測、能動学習、in vitro 実験を反復ループで統合し、抗体最適化を半自動で進めます。
-
Generative Machine Learning
- 配列空間の高コストな探索を、生成モデルによる抗体バリアント設計で効率化します。
-
Multi-task Property Predictors
- 結合親和性など複数物性を同時に予測し、多物性最適化の判断材料を提供します。
-
Active Learning
- ランキングと選抜により、次に実験すべき設計候補をデータに基づいて選びます。
-
In Vitro Experimentation
- 選抜された設計をアッセイし、得られた in vitro データをループに取り込みます。
-
Structural Biology
- 結晶構造解析により、変異が機能に与える影響の機構的洞察を得ます。
ご相談いただける方
以下のようなご相談を歓迎しています。
- 製薬・バイオ 治療用抗体の設計・最適化、Lab-in-the-loop の共同研究 R&D
- 大学・研究機関 biology × AI、能動学習、構造生物学との学術連携 Academia
- スタートアップ タンパク質設計への AI 導入、実験データの活用設計 Tech
チーム
-
Since 2017Teppei NAKANOCEO
-
Since 2017Riku KatoMachine Learning
-
Since 2017Takashi YoshizawaComputational Biology
-
Since 2020Billy JohnResearch Engineering
-
Since 2020Kanako YamanakaLaboratory Operations