Logo
ホームページ
当社のモデルを探求してください。
カート
連絡先
購読する
モデル製品
製品ラインアップ
MouseAtlas モデルライブラリ
細胞株モデルカタログ
iPS細胞株製品カタログ
ノックアウト細胞株製品カタログ
点変異細胞株製品カタログ
過剰発現細胞株製品カタログ
腫瘍細胞株製品カタログ
レポーター細胞株製品カタログ
OriCell(細胞培養製品)
AAV 标準製品カタログ
研究用マウスモデル
ヒト化マウスモデル
HUGO-GT™
HUGO-Ab™
ヒト化ターゲット遺伝子モデル
ヒト化免疫系マウスモデル
ツールマウス
Creマウスモデル
疾患モデル
神経疾患モデル
がん・免疫腫瘍学モデル
自己免疫疾患モデル
免疫不全モデル
眼科疾患モデル
代謝疾患モデル
カスタムサービス
遺伝子改変モデル作製技術
Turboknockout™ゲノムターゲティング技術
ターゲティング遺伝子編集技術
Cre-ESCs遺伝子編集技術
通常型トランスジェネシス
PiggyBacトランスジェネシス
BACトランスジェネシス
遺伝子改変動物モデル作製サービス
ノックアウトマウス作製
ノックアウトラット作製
ノックインマウス作製
ノックインラット作製
トランスジェニックマウス作製
トランスジェニックラット作製
繁殖・サポートサービス
繫殖サービス
凍結保存・復元サービス
表現型解析サービス
BAC改変サービス
カスタム細胞株作製サービス
誘導多能性幹細胞(iPS細胞)作製
ノックアウト細胞株作製
ノックイン細胞株作製
点変異細胞株作製
過剰発現細胞株作製
ウイルスベクター作製サービス
アデノ随伴ウイルスパッケージング
レントウイルスパッケージング
アデノウイルスパッケージング
創薬研究
抗体創薬
HUGO-Mab™
HUGO-Light™
HUGO-Nano™
HUGO-Ab-eKO™
疾患領域
神経疾患
アルツハイマー病(AD)
パーキンソン病(PD)
ハンチントン病(HD)
血液脳関門(BBB)
神経障害性疼痛
腫瘤
PBMCヒト化マウスモデル
ヒト免疫系(HIS)マウスモデル
免疫・炎症
喘息
眼科疾患
緑内障
加齢黄斑変性(AMD)
網膜関連疾患
代謝・循環器疾患
肥満
創薬モダリティ
治療用抗体医薬
モノクローナル抗体(mAb)
二重特異性抗体(BsAb)
ADC/AOC
AI駆動型AAV創薬
細胞免疫療法
遺伝子治療
核酸医薬
HUGO-LAb™
神経疾患抗体
腫瘤抗体
免疫・炎症疾患抗体
眼科疾患抗体
代謝・循環器疾患抗体
コミュ二ティー
キャンペーン
イベント・ウェビナー
ニュース
研究情報
資料室
査読済み文献(引用)
データベース
希少疾患データセンター(RDDC)
AbSeek
Cell iGeneEditor™ システム
先端研究速報
会社案内
企業概要
施設概要
動物の健康・福祉
健康報告書
協力企業・代理店
採用情報
お問い合わせ
Login
ホーム>先端研究速報>LC-MS 解析の精度向上:学習データ不要で実現した転移可能な保持時間予測法

LC-MS 解析の精度向上:学習データ不要で実現した転移可能な保持時間予測法

研究领域で探す
2026.11.19
メタボロミクスLC-MS機械学習保持時間予測創薬研究

Contents

01.研究背景と未解決課題
02.この論文で明らかになったこと
03.研究デザインと技術的ポイント
04.疾患研究・創薬研究への示唆
05.前臨床モデル・研究ツールとの関連
06.まとめ

01. 研究背景と未解決課題

液体クロマトグラフィー(LC)は、ペプチドや代謝物などの生体分子を分離するための重要な技術です。特に質量が 1,500 Da 以下の小分子(代謝物、薬物、毒素など)の同定において、保持時間は分子の極性や構造に関する重要な情報を提供します。しかし、小分子の保持時間を分子構造から予測することは長年の課題であり、既存の機械学習モデルは特定のクロマトグラフィー条件やカラムに依存しており、異なる実験条件への転移(transfer)が困難でした。条件がわずかに異なるだけで保持時間が大きく変動し、同一の条件名でも機器やカラムの経年劣化により結果が異なることが珍しくありません。

従来の「事前学習・微調整(pretrain/fine-tune)」アプローチでは、ターゲットシステムで数百の標準物質を測定してモデルを微調整する必要があり、コストと時間がかかりました。また、保持順序(retention order)は保持時間よりも安定していますが、条件によっては順序が入れ替わることもあり、単純な正規化では対応できません。このように、任意のクロマトグラフィー設定で、ターゲットシステムの学習データなしで保持時間を予測する「転移可能な予測」は、未解決の課題として残っていました。

02. この論文で明らかになったこと

本研究は、任意のクロマトグラフィー条件に対して学習データなしで保持時間を予測できる「2-step」手法を提案しました。この手法は、既存の事前学習・微調整モデルよりも高い精度を達成し、特に構造的に類似していない化合物の予測において優位性を示しました。論文は、保持順序指数(ROI: Retention Order Index)を予測する第一段階と、それを絶対保持時間にマッピングする第二段階に分けることで、条件依存性を解消することに成功しました。

具体的な成果として、ターゲットシステムの標準物質を測定する必要がなく、わずか 30 程度の化合物を「アンカー(基準)」として同定できれば、他の化合物の保持時間を高精度に予測できることが実証されました。また、保持順序が変化する条件(setup-characteristic pairs)に対しても、クロマトグラフィー条件(カラム、移動相、pH など)を特徴量として取り込むことで、従来の手法よりも高い精度で予測可能であることを示しました。

03. 研究デザインと技術的ポイント

本研究では、逆相クロマトグラフィーに焦点を当て、2 段階の予測プロセスを構築しました。第一段階では、分子構造をグラフニューラルネットワーク(GNN)でエンコードし、カラムの疎水性や立体選択性を表す HSM および Tanaka パラメータ、移動相の pH などのクロマトグラフィー条件を特徴量として取り込み、保持順序指数(ROI)を予測します。このモデルは、ターゲットシステムに属さないデータで訓練され、未知の条件にも対応可能です。

  • 第一段階:分子グラフとクロマトグラフィー条件を入力とし、保持順序指数(ROI)を予測する機械学習モデル(GNN)を構築。
  • 第二段階:ターゲットデータセット内で高信頼度で同定された約 30 個の「アンカー」化合物を用いて、予測された ROI と実際の保持時間の関係を多項式でマッピング。
  • 評価方法:ターゲットデータを訓練データから完全に除外し、現実的な分子構造の分割(realistic split)を用いて、DeepGCN-RT や RT-Transformer などの最先端手法と比較評価。

評価結果、この 2-step 手法は、ターゲットデータの学習を必要としない唯一の手法として、既存の微調整モデルを凌駕する性能を示しました。特に、構造的に遠い化合物に対する予測精度において、その優位性が明確に確認されています。

04. 疾患研究・創薬研究への示唆

メタボロミクスや天然物研究では、複雑な生物試料から数千の化合物を検出しますが、公衆のスペクトルライブラリ検索では保持時間が一致しないことが多く、同定精度が制限されていました。本研究の手法により、公共ライブラリ検索時に「ほぼレベル 1」の同定精度を達成できるようになり、未知代謝物の同定や立体異性体の区別が容易になります。

創薬研究においては、候補化合物の代謝物や分解産物の同定、バイオマーカーの発見において、標準物質を多数用意せずに LC-MS データを解析できるため、研究効率が大幅に向上します。また、異なる実験室や機器間でのデータ比較・統合が容易になり、大規模な共同研究やデータ共有の基盤技術として期待されます。

05. 前臨床モデル・研究ツールとの関連

この技術は、Cyagen が提供する 前臨床研究 サービスや 動物モデル の評価プロセスにも応用可能です。例えば、遺伝子編集マウスやヒト化マウスを用いた疾患モデルにおいて、代謝プロファイルの変化を解析する際、特定の標準物質が不足していても、本手法を用いることで代謝物の同定精度を向上させることができます。

また、CRO サービスとして提供される薬効評価や毒性試験において、LC-MS による代謝物同定の信頼性を高めることで、より正確なデータに基づいた意思決定が可能になります。創薬 候補化合物のスクリーニング段階でも、この予測モデルを組み合わせることで、新規化合物の特性評価を迅速化し、開発期間の短縮に貢献できます。

06. まとめ

本研究は、小分子の LC 保持時間予測において、学習データ不要の転移可能予測を可能にする画期的な手法を提示しました。クロマトグラフィー条件を考慮した ROI 予測と、アンカー化合物を用いたマッピングにより、既存手法を上回る精度を実現しました。この技術は、メタボロミクス、創薬研究、前臨床評価における化合物同定の精度向上と効率化に大きく寄与し、Cyagen の研究支援サービスやモデル提供の価値をさらに高める可能性があります。

サイヤジェンで前臨床研究を加速
サイヤジェンで前臨床研究を加速
サイヤジェン(Cyagen)のカスタムモデル、細胞株、CROサービスで研究アイデアをINDへとつなげます。精度と品質で世界7,000のパートナーに信頼されています。
マウスモデルへ
AI駆動型AAVディスカバリー(中枢神経系(CNS)&眼科遺伝子治療)
AI駆動型AAVディスカバリー(中枢神経系(CNS)&眼科遺伝子治療)
AIによるカプシド設計とin vivo検証でAAVベクター開発を加速します。精密なCNS(中枢神経系)標的化、オフターゲット効果の低減、網膜での発現増強を実現し、先進的な遺伝子治療研究を推進します。
マウスモデルへ

FAQ

この手法は、どのような実験条件でも適用できますか?
この手法は逆相クロマトグラフィーに特化しており、カラム、移動相、pH、温度、流速などの基本条件が分かれば、学習データなしで適用可能です。ただし、HILIC などの他の分離モードには現時点では対応していません。
ターゲットシステムで標準物質を測定する必要はありますか?
高精度な予測を行うために、ターゲットシステムで約 30 個の化合物を「アンカー」として高信頼度で同定(例:スペクトルライブラリ検索による一致)する必要がありますが、数百の標準物質を測定してモデルを再訓練する必要はありません。
既存の機械学習モデルと何が違うのですか?
既存のモデルはターゲットシステムで数百のデータを測定して微調整(fine-tuning)する必要がありましたが、この手法は学習データが不要で、任意の条件に転移可能です。また、構造的に遠い化合物の予測精度も高いことが実証されています。
この技術は創薬研究にどう役立ちますか?
代謝物や分解産物の同定精度を向上させ、標準物質がなくても化合物を同定できるため、スクリーニング効率化や新規バイオマーカーの発見に貢献します。
論文情報
Fleming Kretschmer, Eva-Maria Harrieder, Michael Witting, Sebastian Böcker. Times are changing but order matters: transferable prediction of small-molecule liquid chromatography retention times. Nature Methods. https://doi.org/10.1038/s41592-026-03243-2
共有
Top
モデルライブラリ
モデルライブラリ
リソース
リソース
動物の品質
動物の品質
サポートを受ける
サポートを受ける
サイヤジェン株式会社
住所:
〒543-0071 大阪府大阪市天王寺区生玉町2-3 小出ビル410室
電話 :
06-7652-3321
メール:
[email protected]
モデル製品
HUGO-GT™HUGO-Ab™MouseAtlas モデルライブラリ細胞株モデルAAV標準製品
創薬・研究開発
神経疾患オンコロジー免疫・炎症眼科疾患代謝・循環器疾患
会社案内
企業概要施設概要動物の健康・福祉健康報告書協力企業・代理店採用情報お問い合わせ
SNS
免責事項:当社の製品およびサービスの価格や入手可能性は地域によって異なります。記載されている価格は特定の国々に適用されます。詳細についてはご連絡ください。
Copyright © 2026 Cyagen. All rights reserved.
プライバシーポリシー
サイトマップ
Cyagenの最新情報をお届けします
研究モデル、CROサービス、科学リソース、特別オファーに関する最新情報を、研究ニーズに合わせてメールでお届けします。
お名前
メール
ご所属機関
関心分野
主な研究分野