ARR-MEDIC CYP3A4: 薬物相互作用（DDI）予測のためのオープンソース教育・研究プラットフォーム

flamehaven01 · 2025-09-29T13:43:03+09:00

ARR-MEDIC CYP3A4とは？肝臓で臨床処方薬の半数以上を代謝する中核酵素 CYP3A4 の阻害有無を予測し、薬物間相互作用のリスクを見積もるプロジェクト。研究・教育目的のオープンソースとして公開され、手軽に試せる Webデモと拡張可能なMLパイプラインを提供。ベースラインは約 70%の精度で、概念学習と手法比較の出発点となるよう設計。なぜ作ったのか？ 2025年6月末に新薬開発AIコンペがあった。3週間、まったく知らなかった医学分野、とくに CYP3A4 酵素の論文を片っ端から読み、徹夜しながら開発を完了。しかし実際には海外居住者だったため、応募すらできなかった。虚脱感から放置していたが、もったいないと思って補完・強化し、オープンソースとして公開。なぜ注目すべきか？患者安全 & ポリファーマシー: CYP3A4阻害は特定薬剤の濃度を 2–10倍まで高める可能性があり、毒性や治療失敗につながりうる。このプロジェクトは、その危険シグナルを早期に見極めるための練習台となる。ブリッジとしての役割: オープンソースから始め、RDKit・クラシックML→GNN/Transformerへと段階的に高度化していくロードマップを提示。何が含まれているか？（ハイライト） Webデモ: ブラウザから直接予測を体験（日本語/英語UIトグル、SMILES入力・可視化、サンプル化合物を含む）。 API & バックエンド: FastAPIベースのREST API（単一/バッチ予測、OpenAPIドキュメント）、非同期SQLite保存、Docker対応。拡張性: RDKit記述子、RandomForest/XGBoostのようなモデル追加、特徴量重要度分析などによって容易にカスタマイズ可能。アーキテクチャ: backend(FastAPI) / frontend(React) / models / data / docs 構成。すぐに試すローカル/Conda/Docker のうち好きな方法で実行可能（uvicornでAPI起動、docker-compose up -d など）。起動後は http://localhost:8000/docs で仕様を確認。 *オンラインデモ（Hugging Face Spaces）も提供されており、インストールなしで体験できる。 🚀 簡単インストール Linux/macOS # Clone repository git clone https://github.com/your-org/arr-medic-cyp3a4-opensource cd arr-medic-cyp3a4-opensource # Run automated installer chmod +x scripts/install.sh ./scripts/install.sh Windows # Clone repository git clone https://github.com/your-org/arr-medic-cyp3a4-opensource cd arr-medic-cyp3a4-opensource # Run automated installer scripts\install.bat Conda + RDKit (best accuracy) pip only (simplified mode) Docker (containerized) 性能 & スペック（教育・研究用指標）精度: ChEMBLベースのCYP3A4テストデータで約70%、感度約75%、特異度約65%（教育・ベンチマークの出発ライン）。システム: 単一CPUでも1件

(github.com/Flamehaven)

4 ポイント投稿者 flamehaven01 2025-09-29 | まだコメントはありません。 | WhatsAppで共有

ARR-MEDIC CYP3A4とは？

肝臓で臨床処方薬の半数以上を代謝する中核酵素 CYP3A4 の阻害有無を予測し、薬物間相互作用のリスクを見積もるプロジェクト。
研究・教育目的のオープンソースとして公開され、手軽に試せる Webデモ と拡張可能なMLパイプラインを提供。ベースラインは約 70%の精度 で、概念学習と手法比較の出発点となるよう設計。

なぜ作ったのか？

2025年6月末に新薬開発AIコンペがあった。3週間、まったく知らなかった医学分野、とくに CYP3A4 酵素の論文を片っ端から読み、徹夜しながら開発を完了。
しかし実際には海外居住者だったため、応募すらできなかった。虚脱感から放置していたが、もったいないと思って補完・強化し、オープンソースとして公開。

なぜ注目すべきか？

患者安全 & ポリファーマシー: CYP3A4阻害は特定薬剤の濃度を 2–10倍 まで高める可能性があり、毒性や治療失敗につながりうる。このプロジェクトは、その危険シグナルを早期に見極めるための練習台となる。
ブリッジとしての役割: オープンソースから始め、RDKit・クラシックML→GNN/Transformerへと段階的に高度化していく ロードマップ を提示。

何が含まれているか？（ハイライト）

Webデモ: ブラウザから直接予測を体験（日本語/英語UIトグル、SMILES入力・可視化、サンプル化合物を含む）。
API & バックエンド: FastAPIベースのREST API（単一/バッチ予測、OpenAPIドキュメント）、非同期SQLite保存、Docker対応。
拡張性: RDKit記述子、RandomForest/XGBoostのようなモデル追加、特徴量重要度分析などによって容易にカスタマイズ可能。
アーキテクチャ: backend(FastAPI) / frontend(React) / models / data / docs 構成。

すぐに試す

ローカル/Conda/Docker のうち好きな方法で実行可能（uvicornでAPI起動、docker-compose up -d など）。起動後は http://localhost:8000/docs で仕様を確認。
*オンラインデモ（Hugging Face Spaces）も提供されており、インストールなしで体験できる。

🚀 簡単インストール

Linux/macOS

# Clone repository  
git clone https://github.com/your-org/arr-medic-cyp3a4-opensource  
cd arr-medic-cyp3a4-opensource  
  
# Run automated installer  
chmod +x scripts/install.sh  
./scripts/install.sh

Windows

# Clone repository  
git clone https://github.com/your-org/arr-medic-cyp3a4-opensource  
cd arr-medic-cyp3a4-opensource  
  
# Run automated installer  
scripts\install.bat

Conda + RDKit (best accuracy)
pip only (simplified mode)
Docker (containerized)

性能 & スペック（教育・研究用指標）

精度: ChEMBLベースのCYP3A4テストデータで 約70%、感度約75%、特異度約65%（教育・ベンチマークの出発ライン）。
システム: 単一CPUでも1件 <2秒で予測、バッチ処理・同時ユーザー対応など軽量性を志向。

ロードマップ

v1.0（現在）: ルールベースのベースライン（約70%）。
v2.0: RDKit + RandomForest/XGBoostで 約80–85% を目標。
v3.0: GNN/Transformerで 約85–90% を志向し、解釈可能性（例: SHAP）を強化。

ライセンス & 注意

MITライセンス。 GitHub
医療・診断用途ではない: 本プロジェクトは研究・教育目的であり、臨床意思決定・患者診療・規制当局への提出に使用してはならない。

リンク

GitHub: Flamehaven/Arr-Medic-CYP3A4
オンラインデモ: Hugging Face Spaces (すぐにデモ実行可能)
書ききれなかった開発ストーリー: My First Attempt at a Medical AI with ELI5（医療の専門家でなくても作れた過程を収録）

一言要約

実運用の臨床ツールではないが、DDI予測の「概念→実験→高度化」の流れを一か所で学ぶのに適した、よく整理された医療教育・研究用コード