ドラッグリポジショニング、データからエビデンスへ

JpTxGNN は、ハーバード大学 TxGNN モデルに基づくドラッグリポジショニング予測プラットフォームです。AI により 155,638 件のドラッグリポジショニング候補を予測し、3,824 種の日本医療用医薬品に対して予測から検証までの完全なレポートを提供します。

「有効かもしれない」だけでなく、「エビデンスはどこにあるか」までお伝えします。予測スコアと信頼度により、研究者が迅速に候補を評価できます。

医薬品を検索方法論を見る

医薬品検索

医薬品名または疾患名を入力して、ドラッグリポジショニングの可能性を検索できます。英語学名、日本語商品名、疾患キーワードに対応。

99%+ 95%+ 90%+

私たちの差別化

多くのドラッグリポジショニング予測ツールは「有効かもしれない」というスコアのみを提供し、研究者は自ら臨床エビデンスを探す必要があります。JpTxGNN は異なります：各予測について TxGNN 知識グラフと深層学習モデルの両方からスコアを統合し、エビデンスレベルとともに提示します。

KG + DL 二重予測
知識グラフ法と深層学習法の両方で予測。DL スコアにより予測の信頼度を定量化。

日本医薬品に特化
SSK 医療用医薬品データと KEGG 薬効情報を統合。PMDA 許可医薬品に対応。

FHIR R4 準拠 API
HL7 FHIR R4 標準に準拠した API を提供。医療システムとの統合が容易。

オープンソース
すべてのコードとデータは GitHub で公開。研究コミュニティへの貢献を歓迎。

予測統計

3,824

対象医薬品

142

DrugBank マッピング

155,638

統合予測候補

90%+

信頼度閾値

クイックナビゲーション

分類	説明	リンク
医薬品検索	3,824 種の医薬品（検索可能）	医薬品リスト
SMART on FHIR	EHR システム統合	SMART App
FHIR API	プログラムによるアクセス	API 仕様
データダウンロード	CSV / JSON 形式	ダウンロード
意見・フィードバック	問題報告、機能提案	GitHub Issues

本プロジェクトについて

本システムは、ハーバード大学 Zitnik Lab が Nature Medicine に発表した TxGNN 深層学習モデルを使用し、日本医療用医薬品の潜在的新適応症を予測します。

「TxGNN は、臨床医向けに設計された初のドラッグリポジショニング基盤モデルであり、知識グラフと深層学習を統合して、希少疾患に対する薬物の潜在的効果を予測します。」 — Huang et al., Nature Medicine (2024)

データ規模

項目	数量
医薬品レポート	3,824 件
KG 予測候補	33,901 件
DL 予測候補	2,419,822 件
統合予測（≥90%）	155,638 件

予測フロー

データ収集：SSK 医療用医薬品 + KEGG 薬効情報を統合
DrugBank マッピング：成分名を DrugBank ID にマッピング
KG 予測：TxGNN 知識グラフから既知の関係を抽出
DL 予測：深層学習モデルで新規関係を予測
統合・フィルタリング：信頼度 ≥90% の予測を抽出

詳細を見る

方法論

データソース

本プラットフォームは複数の権威ある公開データソースを統合し、予測結果のトレーサビリティと学術的価値を確保しています。

TxGNN Harvard Zitnik Lab

DrugBank 医薬品データベース

KEGG DRUG 薬効情報

SSK 医療用医薬品

免責事項
本レポートは学術研究参考のみを目的としており、医療アドバイスを構成するものではありません。医薬品の使用は医師の指示に従ってください。ドラッグリポジショニングの決定には、完全な臨床検証と規制審査が必要です。

最終更新：2026-03-03 | 審査者：JpTxGNN Research Team