AI-Driven Drug Discovery · Est. 2026
N 35°01′ E 135°46′ · KYOTO
  The Future of Medicine, Computed.

「AI × 創薬」で、医療の未来を創造する。

京都大学・奥野恭史教授の研究成果を社会実装する、創薬AIベンチャー
NEDO/AMED-DAIIAの知見と、スーパーコンピュータ「富岳」を基盤に、ターゲット探索から臨床予測までを一貫して革新します。

Scroll01 / 06
● FEDERATED LEARNING/● DIGITAL TWIN/● DX PLATFORM
01About

A spin-out
from Kyoto,
built on national-scale science.

私たちは、京都大学 医学研究科・奥野恭史教授の研究室を母体に、NEDO 及び AMED-DAIIA プロジェクトで生まれたアルゴリズム・データ基盤・創薬ノウハウを社会実装するために設立された、創薬AIベンチャーです。

NEDO Project
AMED-DAIIA
Kyoto University

国家プロジェクトとして培われてきた「AIによる化合物設計」「連合学習による製薬データ統合」「スーパーコンピュータによる生体シミュレーション」の三本柱を一つの実装へと結集。製薬・アカデミア・行政をつなぐ、日本発の創薬インフラを構築します。

私たちの目標は、製薬会社ごとに分断されていたデータと計算資源を、安全・公平・再現可能な形で"共有資本"へと変えること。創薬にかかる時間を半分に、コストを 1/5 に——それが P3 のスコープです。

NEDONational R&D
AMED-DAIIADrug Discovery
Kyoto Univ.Okuno Lab.
02Core Technology

Three pillars of
computational medicine.

創薬プロセスのすべての段階を、AI・連合学習・デジタルツインの三技術で再構築。分断されていた研究プロセスを、一つのプラットフォームに統合します。

T/01
Platform
Drug Discovery DXPF
ターゲット探索から、In silico スクリーニング、リード化合物創出までを統合した、創薬DXプラットフォーム。製薬企業の研究プロセス全体を一つの環境で最適化します。
T/02
Learning
Federated Learning
製薬企業12社以上が参画する連合学習ネットワーク。各社のデータを外部に出すことなく、共同でAIモデルを構築・精度向上させる、日本発の産業協調型AI基盤です。
T/03
Simulation
Health Digital Twin
スーパーコンピュータ「富岳」を活用し、20 疾患の発症リスクを予測する健康デジタルツイン。臨床試験の前に、個々の患者モデル上で薬効と副作用を検証します。
targetCPD-001CPD-002CPD-003CPD-004
T/01 — Drug Discovery DXPF

One platform
from target to lead.

創薬の各工程(ターゲット同定 → ヒット化合物探索 → リード最適化)を分断せず、単一のAI環境で連続的に処理。生成化学・分子動力学・ドッキング・毒性予測を同一のワークフローに統合します。

6→1
Toolchains
1/5
Lead Time
40+
AI Models
T/02 — Federated Learning

Data stays home. Intelligence travels.

製薬企業12社以上が参画する連合学習ネットワーク。各社は自社データを一切外部に出すことなく、共有モデルの学習に貢献できます。競合他社の機密データを守りながら、業界全体の予測精度を引き上げる、日本発の産業協調型AI基盤。

12+
Pharma Partners
0
Data Leaves Site
3.2×
Model Accuracy
P-01P-02P-03P-04P-05P-06P-07P-08P-09P-10P-11P-12sharedmodel
CARDIOONCOMETABNEURO
T/03 — Health Digital Twin

Twenty diseases,
simulated per person.

スパコン富岳を基盤とした、患者ごとのデジタルツイン。生活習慣・遺伝情報・バイタルデータから、20疾患の発症リスクを時系列で予測。薬物応答のシミュレーションで、臨床試験の成功率を高めます。

20
Diseases Modeled
富岳
Fugaku Compute
10⁸
Cells Simulated
03Process

From hypothesis
to human.

STEP 01
Target ID
疾患機序の解析と、AIによる候補標的タンパク質の探索。
STEP 02
In silico Screen
数億分子規模の化合物ライブラリを DXPF で高速探索。
STEP 03
Lead Opt
連合学習モデルでADMET・毒性を予測し、最適化。
STEP 04
Twin Trial
患者デジタルツインでの仮想臨床試験による検証。
STEP 05
Clinical
リアル臨床試験への引き渡し・IND 申請サポート。
04Team

Driven by Science
and Strategy.

View All Members →

Management Team

05News & Publications

Latest from the lab.

View All →
— Partner with us

Let's build the
next decade of medicine.

製薬パートナーシップ、アカデミア共同研究、採用、報道まで。
私たちのプラットフォームに関するあらゆるお問い合わせはこちらから。