測定していない薬の細胞応答をAIはどう予測するのか
MAPの未測定薬剤予測を、残した知識と未知にした情報から読む。公開された16薬剤の評価値を再集計し、平均相関の改善、候補ごとのばらつき、知識学習の段階差と次の検証条件を整理する。
Daiki Kumakura
I am a mathematical biologist and a bioinformatics researcher in the pharmaceutical industry. I received my Ph.D. in Life Science from Hokkaido University in March 2025.
I study biological dynamics using mathematical models and data analysis, with an interest in pharmacometrics and systems biology.
Recent writing
TROP2 ADCの曝露を比較する前に：同じ薬のAUCが変わった理由を読む
SGとDato-DXdの一次PK・E–R資料を監査。2026年のSGの派生濃度定義とモデル変更を踏まえ、曝露を借りる前に測定量・時間窓・転帰を照合する。共通payload目標や効力順位は支持できない。
観測されない媒介変数はネットワークから消えてくれない
観測データから推定したネットワークのエッジと、実際の分子の作用を区別する。媒介変数を消去した数理と合成データの計算例で、当てはまっても媒介物のパラメータが決まらないことを示し、微生物の化学媒介相互作用、single-cellの遺伝子調節ネットワーク、創薬の機序評価へつなげる。