公开(公告)号：CN113748213A

公开(公告)日：2021-12-03

申请号：CN202080017694.3

申请日：2020-03-27

Applicant: 公立大学法人横滨市立大学 ,  武田药品工业株式会社

Inventor： 武部贵则 ,  佐伯宪和 ,  仁尾泰德 ,  川上绘理

IPC: C12Q1/02 ,  C12Q1/6851 ,  G01N33/15 ,  G01N33/50

Abstract: 本发明提供以与补体相关联的细胞杀伤性标志物作为指标，筛选补体过度激活相关性疾病的治疗药的方法，所述方法包括：步骤(1a)，向从干细胞制备的细胞添加补体，使与补体相关联的细胞杀伤性标志物形成；和步骤(2a)，添加治疗药候选物质，选择使该细胞杀伤性标志物的量减少的物质。

公开(公告)号：CN115698314A

公开(公告)日：2023-02-03

申请号：CN202180041138.4

申请日：2021-06-07

Applicant: 国立大学法人东京医科齿科大学 ,  武田药品工业株式会社

Inventor： 武部贵则 ,  佐伯宪和 ,  仁尾泰德

IPC: C12Q1/02 ,  C12M1/34 ,  G01N33/48 ,  G01N33/68 ,  G06N20/00

Abstract: 本发明提供构建包含经优化的参数的数理模型的方法，其包括：工序(1)，将关于生化反应途径中的靶分子为已知的物质或细胞的、显示使该物质或细胞接触靶细胞后的每经过时间的反应产物的推算存在量的数据组、显示实测存在量的数据组、和该物质或细胞的靶分子作为学习数据，使具有各靶分子的数理模型的人工智能模型学习，从而对各靶分子的数理模型的各参数进行优化；及工序(2)，将关于靶分子为未知的物质或细胞的、对各靶分子赋予权重后的、显示每经过时间的反应产物的推算存在量的数据组、和显示实测存在量的数据组作为学习数据，使具有数理模型的人工智能模型学习，从而对各靶分子的数理模型的各参数进行优化，其中，该数理模型对应于可能被该物质或细胞靶向的全部分子的各组合，并且包含在工序(1)中经优化的各参数。