創薬科学部門＜連携講座＞Clinical evidence-based drug discovery37 人体の設計図であるところのヒトゲノムが読み解かれたことで新薬開発は急速に進展しました。それが現在のがん・免疫疾患などの難治性疾患に対する新しい薬物治療となって結実しています。しかし一方では、新薬を創出するための「標的の枯渇」が急速に迫り、さらに動物モデルでは有効であっても臨床試験で有効性を見いだせない「死の谷」といった深刻な問題に直面することになりました。こうした創薬の壁を突破する試みとして、私は患者の診療記録を活用した「臨床エビデンスに基づく創薬」を最近、提唱しています。ヒト病態モデルを実験動物で作成するとき、薬理学では古くから医薬品の副作用を利用してきました。これはその病態の表現型や発症メカニズムにヒトにおける自然発症疾患との共通性が見い出されるからです。一方で最近、副作用の自発報告やレセプトなど、大量の実臨床データ（リアルワールドデータRWD）が入手可能になり、これらを統計学的に解析することによって例えば患者で実際に起こった有害事象の発症率を解析したり、その発症に影響する交絡因子（例えば併用薬）を時系列から正確に見い出すことが可能になりました。そのような薬理学的な薬物相互作用は直ちにドラッグリポジショニングに繋がるのみならず、有害事象発症メカニズムの解明、さらには新たな創薬標的分子の発見に至る研究展開を可能にします。何よりも、ヒトのビッグデータ解析から得られる仮説は臨床予測性が極めて高いことが期待できます。現在、私はRWD解析をどのように創薬標的の発見に結びつけるか、これまでに研究してきた経験を踏まえ、将来的に利用可能となる電子カルテなどのRWDまで見据えた新しい研究ストラテジーの展開を狙っています。 [Research]The development of new drugs has been progressing rapidly since the human genome has been deciphered. However, we are now facing a serious problem of "target exhaustion," which means that we are rapidly running out of targets to create new drugs, as well as the "death valley," where efficacy cannot be found in clinical trials even though it is effective in animal models. In an attempt 教 授 金子 周司［薬学博士］Professor Shuji Kaneko, Ph. D.分野連絡先分野連絡先to break through these barriers against drug discovery, our team has recently proposed "clinical evidence-based drug discovery" utilizing patient medical records. Pharmacology has long used adverse drug reactions to create models of human pathological conditions in experimental animals. This is because the phenotypes and pathogenic mechanisms of these models share significant similarities with those of spontaneous human diseases. On the other hand, a large amount of real-world data (RWD), including spontaneous reports of adverse drug events and insurance claims, recently become available. Statistical analysis of these data has made it possible to analyze the incidence of adverse events that actually occur in patients and to accurately identify confounding factors (e.g., concomitant medication) that influence their occurrence in a time series analysis. Such pharmacological drug-drug interactions not only lead to immediate drug repositioning, but also to the elucidation of adverse event mechanisms and the discovery of new drug targets. Moreover, hypotheses derived from human big data analysis are expected to have extremely high clinical predictability. Currently, I am trying to develop a new research strategy that looks at how to link RWD analysis to the discovery of new drug targets, based on my past research experience, and even to RWD in electronic medical records that will become available in the future. 【代表論文】Furuta H et al. Increased expression of glutathione peroxidase 3 prevents tendinopathy by suppressing oxidative stress. Front Pharmacol 14:1137952, 2023.Nozawa K et al. Lisinopril prevents bullous pemphigoid induced by dipeptidyl peptidase 4 inhibitors via the Mas receptor pathway. Front Immunol13:1084960, 2023.Nagaoka K et al. Striatal TRPV1 activation by acetaminophen ameliorates dopamine D2 receptor antagonist-induced orofacial dyskinesia. JCI Insight6:145632, 2021.金子 周司（Shuji Kaneko）金子 周司（Shuji Kaneko）skaneko@pharm.kyoto-u.ac.jpURL: https://kanekoshuji.site教 授 金子 周司Prof. Kaneko創薬産学官連携講座2
元のページ ../index.html#38