drug-repurposing

ドラッグリポジショニング

概要

このスキルでは、新たな適応症を治療する可能性のある承認済み薬剤または臨床段階の化合物を特定する、ドラッグリポジショニングについてエージェントが推論する方法を説明します。リポジショニングが成功するには、次の3つの条件がそろう必要があります。（1）薬剤と新たな疾患を結びつける信頼できるメカニズム上の関連性、（2）独立した複数の情報源による十分なエビデンスの強さ、（3）既存の安全性、PK、製剤、IPデータに基づく現実的な臨床応用への道筋です。

このスキルは、提案を評価し、候補を順位付けし、根拠の弱い箇所を見つけ、ウェットラボまたは臨床研究に着手する前に、ユーザーが妥当性を説明できるリポジショニング戦略を立てるために活用してください。

使用方法

ユーザーが次のような場合に、このスキルを呼び出してください。

• 疾患の標的があり、それに作用する承認済み薬剤を探したい。
• 疾患のトランスクリプトームシグネチャがあり、それと反対のプロファイルを持つ薬剤を探したい。
• リポジショニング候補を探すために、DGIdb、OpenTargets、ChEMBL、またはDrugBankをどのように検索するか尋ねている。
• 単一のデータソースだけに基づき、ある薬剤が新たな適応症に「効くはずだ」と主張している。
• 複数のリポジショニング候補をエビデンスの強さで順位付けしたい。
• リポジショニング候補を臨床試験に移行できるか尋ねている。
• リポジショニング研究の設計や、その妥当性を説明する根拠の作成が必要である。

エージェントは、次の手順で回答してください。

1. アプローチを分類する — 標的ベース、表現型ベース、またはその両方かを判断します。
2. エビデンスを監査する — どのデータベースを検索し、どの種類のエビデンスが候補を支持しているかを確認します。
3. エビデンスの階層を適用する — 遺伝学的エビデンス > 臨床的観察 > in vitro > 計算的エビデンス。
4. 臨床応用可能性を評価する — 安全性プロファイル、PK、用量の実現可能性、製剤、特許の状況を確認します。
5. 不足点を特定する — 欠けているエビデンスと、それを補うために必要な実験を明らかにします。

回答形式

• まず、直接的な推奨または分類を述べます（3文以内）。
• 次の順で構成します：推奨 → 根拠（具体的な基準・閾値を挙げる） → 留意点
• 比較には表を、基準の一覧には箇条書きを使用します。
• ユーザーがすでに知っている背景説明は省きます。ユーザーは質問への回答を求めています。
• 目安は200～400語です。ただし、ユーザーが網羅的な詳細を求める場合は除きます。

このスキルの意思決定ツリーとフレームワークは、内部推論のみに使用します。結論を導くために適用しますが、回答でそのまま再掲しないでください。根拠を添えた最終的な推奨のみを提示してください。

中核となる概念

1. 2つの基本的なアプローチ

リポジショニングの取り組みは、次の2つの方向性のいずれかから始まります。選択したアプローチによって、使用するデータベース、手法、エビデンスの種類が決まります。

アプローチ	出発点	方法	主なデータベース	強み	限界
標的ベース	既知の疾患標的（遺伝子／タンパク質）	標的に結合する、または標的を調節する承認済み薬剤を探す	DGIdb、ChEMBL、DrugBank、OpenTargets	メカニズムを解釈しやすく、構造生物学を活用できる	標的が疾患の原因であり、創薬可能であると仮定する
表現型ベース	疾患の分子シグネチャ（トランスクリプトーム、プロテオーム）	疾患シグネチャと反対のシグネチャを持つ薬剤を探す	CMap（Connectivity Map）、LINCS L1000	メカニズムに依存せず、予想外の関連性を発見できる	シグネチャにはノイズがあり、発現が反対であること ≠ 治療効果

意思決定ツリー：どちらのアプローチを選ぶか？

Start
│
├── Do you have a validated disease target (gene/protein)?
│     ├── Yes → Target-based approach.
│     │         Query DGIdb, ChEMBL, DrugBank for drugs hitting this target.
│     │         Cross-reference with OpenTargets for target-disease association strength.
│     └── No  → Continue.
│
├── Do you have a disease molecular signature (e.g., differentially expressed genes)?
│     ├── Yes → Phenotype-based approach.
│     │         Query CMap/L1000 for drugs with negatively correlated signatures.
│     │         Validate top hits against known biology.
│     └── No  → Continue.
│
├── Do you have both a target and a signature?
│     ├── Yes → Hybrid: run both approaches independently, then intersect.
│     │         Candidates appearing in both lists have stronger support.
│     └── No  → Insufficient starting data. Gather target evidence or generate
│               disease signatures before attempting repurposing.

2. 主要なデータベースとその提供情報

複数のデータベースを検索してください。単一の情報源だけでは不十分です。

データベース	内容	用途
OpenTargets	標的と疾患の関連スコア（遺伝学、文献、経路）	標的の関連性の検証、関連の強さの評価
DGIdb	30 以上の情報源から集めた薬物と遺伝子の相互作用	標的遺伝子と相互作用する承認済み薬剤の検索
ChEMBL	生物活性データ（IC50、Ki、EC50）	定量的な結合・活性の根拠、SAR の文脈
DrugBank	薬物の標的、PK、適応症、相互作用	薬物のメタデータ、安全性プロファイル、剤形
CMap / LINCS L1000	約 20,000 種の化合物の発現シグネチャー	表現型に基づく適応外転用、シグネチャーの反転
TTD	標的、薬物、臨床試験の状況	標的の妥当性と開発段階の相互照合
STITCH	化学物質とタンパク質の相互作用ネットワーク	ネットワークレベルでの薬物・標的・疾患の関係

データベース検索のルール

1. 必ず独立したデータベースを 2 つ以上検索してください。 DGIdb だけで見つかった結果では不十分です。ChEMBL の生物活性データと相互照合してください。
2. 相互作用の種類を確認してください。 DGIdb は阻害薬、活性化薬、結合薬などを報告します。疾患の治療に標的の活性化が必要な場合、「阻害薬」としてヒットしても役に立ちません。
3. 活性値を確認してください。 ChEMBL の IC50 が 50 µM であれば、薬物として有望な相互作用とは言えません。十分な検討に値する候補には IC50/Ki < 1 µM、高い確度を求める場合には < 100 nM を必要条件としてください。
4. 細胞株／アッセイの条件を確認してください。 生化学的アッセイでの活性が、細胞内での活性を保証するわけではありません。利用可能な場合は、細胞ベースのアッセイデータを優先してください。
5. CMap の検索では、コネクティビティスコア < -90（強い負の相関）を必須としてください。 -50 から -90 のスコアは示唆的ですが、それだけでは実行可能な根拠になりません。

3. 適応外転用候補のエビデンス階層

エビデンスはすべて同等ではありません。候補を裏付ける最も強いエビデンスの種類に基づいて順位付けしてください。

ティア	エビデンスの種類	説明	重み
1（最強）	メンデルランダム化（MR）による遺伝的関連	薬物作用の代替指標となる遺伝的変異が疾患リスクと関連し、自然な RCT を模倣します	最高 — 交絡のない因果推論
2	臨床観察	症例報告、後ろ向きコホート、または請求データから、新たな適応症における薬物の効果がヒトで示されています	高 — 実世界のヒトエビデンスですが、交絡があります
3	In vitro／in vivo 実験	細胞ベースのアッセイや動物モデルで、疾患の文脈における有効性が示されています	中程度 — 機序は確認されていますが、臨床への橋渡しには不確実性があります
4（最弱）	計算による予測	シグネチャーのマッチング、ネットワーク近接性、ドッキングスコア、AI による予測	最低 — 仮説の生成にとどまり、実験による検証が必要です

エビデンス階層を適用する際のルール

1. ティア 4 のエビデンスのみで裏付けられた候補は仮説であり、適応外転用候補ではありません。 実験による検証なしに、臨床開発向けに推奨しないでください。
2. ティア 1 のエビデンス（MR）は、標的の妥当性を検証するためのゴールドスタンダードです。 薬物の標的に対する遺伝的操作変数が疾患と関連している場合、因果関係の連鎖は強固です。OpenTargets または MR-Base で MR 研究を必ず確認してください。
3. ティア 2 のエビデンスでは、交絡を精査する必要があります。 薬物 X を服用している患者の転帰が良好でも、服用していない患者とは系統的に異なる可能性があります（適応バイアス、ヘルシーユーザーバイアス）。交絡因子の調整、またはターゲット試験のエミュレーション設計を必須としてください。
4. ティア 3 のエビデンスには、適切な疾患モデルが必要です。 薬物が in vitro でがん細胞を死滅させることを示しても、アルツハイマー病への適応外転用の根拠にはなりません。モデルは、標的疾患の生物学的特性を再現する必要があります。
5. 信頼できる候補には、少なくとも 2 つのティアのエビデンスを必須としてください。 理想的な候補は、ティア 1（遺伝学）+ ティア 3（実験）+ ティア 2（臨床観察）を備えています。強さにかかわらず、単一のティアだけでは不十分です。

決定木：エビデンスは十分か？

Start
│
├── Is there Mendelian randomization evidence (Tier 1)?
│     ├── Yes → Strong foundation. Proceed to translatability assessment.
│     │         Still seek Tier 3 confirmation (mechanism in disease model).
│     └── No  → Continue.
│
├── Is there clinical observation evidence (Tier 2)?
│     ├── Yes → Promising, but check for confounding.
│     │         Was the analysis adjusted? Was it an emulated target trial?
│     │         Seek Tier 3 confirmation.
│     └── No  → Continue.
│
├── Is there experimental evidence (Tier 3)?
│     ├── Yes → Mechanistically supported.
│     │         Is the model relevant to the target disease?
│     │         Seek Tier 1 or Tier 2 to strengthen the case.
│     └── No  → Continue.
│
├── Is there only computational evidence (Tier 4)?
│     └── Hypothesis only. Do not recommend for clinical development.
│         Design experiments to generate Tier 3 evidence first.
│
└── No evidence at all?
      └── Not a repurposing candidate. Return to target/disease validation.

4. 作用機序の重複評価

ある薬剤を新たな適応症に使用することが提案された場合、エージェントは、その薬剤の作用機序が新たな疾患に関連しているかを評価する必要があります。

手順：

1. 薬剤の主要標的と副次標的を特定します。 主要標的にはDrugBankを、オフターゲット活性（IC50 < 10 µM）にはChEMBLを使用します。
2. 標的を疾患経路に対応付けます。 OpenTargetsまたはKEGG/Reactomeを使用して、薬剤の標的が疾患関連経路に関与しているかを確認します。
3. 作用の方向性を評価します。 疾患の治療に経路の阻害が必要な場合、薬剤は関連標的の活性化薬ではなく阻害薬でなければなりません。作用の方向性が一致しない場合は、失格となる所見です。
4. 多剤理作用を確認します。 一部のドラッグリポジショニング候補は、主要な適応症における標的ではなく、副次標的を介して作用します。これは妥当ですが、新たな疾患における副次標的の役割を明確なエビデンスで示す必要があります。
5. 選択性を評価します。 1 µMで50種類のキナーゼに作用する薬剤は、注目する標的を調節する可能性がありますが、オフターゲット作用による毒性も引き起こします。ChEMBLで選択性パネルを確認します。

作用機序の評価基準	合格	不合格
薬剤標的が疾患経路に関与している	疾患経路の上位3つに標的が含まれる（OpenTargets）	経路の重複がない
作用の方向性が一致している	薬剤が過剰に活性化した標的を阻害する／機能不全の標的を活性化する	薬剤の作用が治療上の必要性に反する
治療濃度で活性がある	IC50/Ki < 承認用量でのCmax	IC50 >> Cmax（標的に結合できない）
選択性が許容範囲内である	治療濃度でのオフターゲットが10未満	広範なオフターゲット活性により毒性が生じる可能性が高い

5. 臨床応用可能性の評価

作用機序に問題がない候補でも、実用的な開発が難しければ失敗する可能性があります。以下の観点を評価します。

観点	好ましい	好ましくない
安全性プロファイル	AEプロファイルが十分に解明された承認薬であり、新たな適応症の重症度に照らしてAEが許容範囲内	治療域が狭い。新たな適応症に対してAEが深刻すぎる
薬物動態	薬剤が治療濃度で標的組織に到達する。ヒトPKが判明している	標的組織でのバイオアベイラビリティが低い。該当する投与経路でのヒトPKデータがない
用量の実現可能性	承認用量以下で治療効果が得られる	必要用量が承認用量を大幅に上回る（新たな毒性の懸念が生じる）
製剤	既存の製剤が新たな適応症に適している（例：慢性疾患に経口投与）	新たな製剤が必要（例：中枢神経系疾患に髄腔内投与、外来患者に静脈内投与）
特許／独占権	ジェネリック医薬品が利用可能、または特許が新たな適応症の開発を認めている	有効成分特許が有効で開発を妨げる。新たな用途に関する特許の取得機会がない
規制経路	505(b)(2)経路を利用できる。既存の安全性データにより治験の負担が軽減される	規制上の近道がない。NDA相当の開発をすべて実施する必要がある

臨床応用可能性に関するルール

1. CmaxとIC50を比較します。 新たな標的に対するIC50が承認用量で達成可能なCmaxを上回る場合、増量しないと薬剤は標的に結合できません。増量には、未知の安全性リスクが伴います。
2. 組織分布を評価します。 血漿中のPKが優れていても、中枢神経系へ移行しない薬剤は、製剤を変更しない限り脳疾患に転用できません。
3. 適応症の重症度の不一致を評価します。 感染リスクを伴う免疫抑制薬を軽度のアレルギー性鼻炎に転用するのは、臨床応用可能性の観点から不適切です。リスクとベネフィットの比が適切ではありません。
4. 特許状況を早期に確認します。 他社が保有する有効成分特許により、科学的な妥当性にかかわらず開発が妨げられることがあります。新たな適応症に関する用途特許は、引き続き取得できる可能性があります。
5. 既存のジェネリック製剤がある薬剤を優先します。 開発コストが低く、市場投入までの期間が短く、知的財産上の障壁もありません。

6. 複数候補のランキング

データベースクエリから複数の薬剤が見つかった場合は、体系的にランキングします。

スコアリングの枠組み（各項目を0～3点で評価）：

項目	0	1	2	3
エビデンスのティア	ティア4のみ	ティア3のみ	2つのティア（例：3＋4）	ティア1、またはティア2＋ティア3
MOAの関連性	経路の重なりなし	経路は重なるが、作用方向が異なる	作用方向は適切だが、活性が弱い	作用方向が適切で、活性が強い（IC50 < Cmax）
安全性プロファイル	治療係数が狭く、重篤な有害事象あり	中程度の有害事象	忍容性が高く、軽微な有害事象	対象集団における安全性の実績が非常に優れている
PK／用量の実現可能性	IC50 >> Cmax	IC50 ~ 2–5× Cmax	承認用量でIC50 ≤ Cmax	IC50 << Cmax；治療域が広い
規制／知的財産の経路	特許により阻まれている；NDAを全面的に申請	知的財産が不確実；標準的な経路	505(b)(2)が可能；既存データあり	ジェネリック薬が利用可能；安全性データベースが充実

合計スコアの解釈：

• **12～15：**有望な候補 — 実験的検証を優先してください。
• **8～11：**中程度の候補 — リソースに余裕があれば追求する価値があります。ギャップに対処してください。
• **4～7：**有望度の低い候補 — 大きな障壁があるため、独自の根拠がない限り優先度を下げてください。
• **0～3：**実現不可能 — 追求しないでください。

7. 適応症転用の検証に向けた研究デザイン

候補が選定されたら、検証の進め方は利用可能なエビデンスによって異なります。

Start
│
├── Tier 1 (MR) + Tier 3 (experimental) evidence available?
│     └── Proceed to clinical validation.
│         Design: Phase II proof-of-concept trial (randomized, controlled).
│         Endpoint: disease-specific primary endpoint.
│         Leverage existing safety data to shorten Phase I or skip it (505(b)(2)).
│
├── Tier 3 (experimental) evidence only?
│     └── Strengthen with additional preclinical work.
│         - Confirm efficacy in second disease model.
│         - Demonstrate target engagement at achievable concentrations.
│         - Then proceed to clinical validation.
│
├── Tier 2 (clinical observation) only?
│     └── Formalize with retrospective study.
│         - Emulated target trial design on EHR/claims data.
│         - Adjust for confounders (propensity score, IV if available).
│         - If positive, proceed to prospective trial.
│
└── Tier 4 (computational) only?
      └── Generate experimental evidence first.
          - In vitro assay in disease-relevant cell line.
          - Confirm target engagement.
          - Do not proceed to clinical work on computational evidence alone.

8. 標的検証のためのメンデルランダム化

MRは、遺伝子変異を薬剤作用の操作変数として用いることで、適応症転用に関する非臨床試験エビデンスの中で最も強力なものを提供します。その論理は、標的に対する薬剤の作用を模倣する遺伝子変異が疾患とも関連していれば、その標的が疾患の原因に関与しているというものです。

MRの品質チェックリスト：

基準	要件	注意すべき点
操作変数の強さ	SNPごとのF統計量 > 10	F < 10は操作変数が弱いことを示し、交絡した観察推定値の方向へ結果が偏ります
関連性	SNPは標的遺伝子の発現またはタンパク質レベルと関連している必要があります（cis-pQTLまたはcis-eQTL）	trans-pQTLは中間因子を介して作用する可能性があり、特異性が低くなります
独立性	操作変数間に連鎖不平衡がないこと	相関するSNPは見かけ上の強さを過大評価します
除外制約	SNPは標的を介してのみ疾患に影響すること	水平多面発現は基本的な仮定に反します
多面発現の検定	MR-Eggerの切片が有意ではなく、加重中央値法とMR-PRESSOがIVWと一致すること	MR-Eggerの切片が有意である場合、多面発現が存在します
再現性	複数の祖先集団およびバイオバンクで一貫していること	単一祖先集団のMRは、集団固有のLDパターンを反映している可能性があります

適応症転用に向けたMR結果の解釈：

• MRは、生涯にわたる標的調節の効果の方向とおおよその大きさを推定します。数か月間投与する薬剤の効果は、MRの推定値が示唆するよりも小さくなります。
• 保護的なMR関連（例：遺伝的に代理された標的阻害により疾患リスクが低下する）は、その標的を阻害する薬剤の適応症転用を支持します。
• 有害なMR関連（例：遺伝的に代理された標的阻害により疾患リスクが上昇する）は、強い禁忌となります — 適応症転用しないでください。
• MRの帰無結果は、標的を否定するものではありません。検出力不足、組織の不一致、または非線形効果を反映している可能性があります。

9. 実践的なデータベースクエリのワークフロー

体系的な適応症転用スクリーニングは、次の順序で進めます。

Step 1: Define the target or disease signature
│
├── Target-based: Identify gene symbol, UniProt ID, Ensembl ID.
│
└── Phenotype-based: Generate or obtain disease DEG list
    (log2FC > 1, FDR < 0.05 from case-control transcriptomics).

Step 2: Query primary databases
│
├── Target-based:
│     ├── OpenTargets → target-disease association score (require > 0.5).
│     ├── DGIdb → list of drugs with known interactions for the target.
│     └── ChEMBL → bioactivity data (IC50, Ki) for each drug-target pair.
│
└── Phenotype-based:
      └── CMap/LINCS L1000 → query disease signature → rank drugs by
          negative connectivity score (require < -90).

Step 3: Cross-reference and filter
│
├── For each candidate drug:
│     ├── DrugBank → current indications, safety profile, PK parameters.
│     ├── ClinicalTrials.gov → prior trials for this drug + new indication.
│     └── ChEMBL → confirm activity at achievable concentrations (IC50 < Cmax).
│
└── Remove candidates with:
      ├── IC50 > 10× Cmax (cannot achieve target engagement).
      ├── Prior Phase II/III failure for the same indication.
      ├── Unacceptable safety profile for indication severity.
      └── Blocked IP (active composition-of-matter patent, no generic).

Step 4: Rank surviving candidates
│
└── Apply the scoring framework (Section 6) across all dimensions.
    Prioritize candidates scoring ≥ 12/15.

Step 5: Validate top candidates
│
└── Follow the study design decision tree (Section 7).

10. ネットワーク薬理学に関する考慮事項

ネットワークベースのアプローチは、タンパク質間相互作用（PPI）ネットワークや疾患モジュールの文脈で薬剤の作用を考慮することで、直接的な標的検索を補完します。

ネットワーク薬理学が有用な場合：

• 疾患が多遺伝子性で、単一の優勢な標的が存在しない場合。
• 薬剤が多重薬理作用（複数の標的）を持ち、全体的な効果を評価したい場合。
• 相乗的なドラッグリポジショニングの組み合わせを特定したい場合。

ネットワーク薬理学だけでは不十分な場合：

• ドラッグリポジショニング候補の唯一の根拠として用いる場合（Tier 4 のみ）。
• 対象組織の PPI ネットワークが不完全な場合。
• 疾患モジュールの定義が不十分な場合（既知の疾患関連遺伝子が少ない）。

主な指標：

指標	解釈	しきい値
ネットワーク近接度（z スコア）	PPI ネットワーク内で薬剤標的が疾患関連遺伝子にどれほど近いか	z < -2（ランダムな場合より有意に近い）
重複係数	疾患関連遺伝子である薬剤標的の割合	> 0 が必要。> 0.1 は注目に値する
分離スコア（SAB）	薬剤モジュールと疾患モジュールのトポロジー上の分離	SAB < 0 は重複を示す

ルール：

1. ネットワーク近接度は仮説の生成に役立ちます。z スコア < -2 はさらなる調査の根拠にはなりますが、臨床開発の根拠にはなりません。
2. 利用可能な場合は、必ず組織特異的な PPI ネットワークを使用してください。汎用インタラクトームには、対象疾患の組織とは無関係な相互作用が含まれています。
3. 開発を進める前に、少なくとも 1 つの独立した方法（データベース検索、MR、または実験アッセイ）でネットワーク予測を検証してください。
4. 使用したネットワーク（BioGRID、STRING、IntAct）とエッジの信頼度しきい値を報告してください。信頼度の低いエッジは、近接度を人為的に高めます。

このスキルを使用しない場合

• 臨床候補について Go／No-Go の判断を下す場合（メディシナルケミストリーのレビューが必要です）
• IP／特許の状況が主な制約となる候補を評価する場合

人間の専門家に相談するタイミング

• ドラッグリポジショニングの根拠に基づいて臨床試験に投資する前
• 作用機序の重複について、構造生物学による確認が必要な場合

よくある間違い

• 誤り： 負の CMap 接続性スコアを、治療効果の証明として扱う 正しい対応： CMap の結果は仮説生成（Tier 4 のエビデンス）として扱い、実験データまたは臨床データで検証します 理由： 細胞株のトランスクリプトームシグネチャは生体内の疾患生物学を再現しません。発現が逆方向であっても、治療効果があるとは限りません

• 誤り： DGIdb の「相互作用する」というヒットについて、薬剤が標的を阻害するのか活性化するのかを確認せずに使用する 正しい対応： 常に相互作用の方向性（阻害剤か活性化剤か）を確認し、治療上の必要性に合致することを確かめます 理由： 活性化が必要な標的を阻害すると、疾患が悪化します

• 誤り： ChEMBL の結合ヒットを、治療活性のエビデンスとして扱う 正しい対応： 常に IC50/Ki と承認用量での Cmax を比較し、真剣に検討するには IC50 < Cmax を必須とします 理由： 薬剤は生体内で到達可能な濃度をはるかに上回る濃度で標的に結合する場合があり、その相互作用は臨床的に意味を持たない可能性があります

• 誤り： 単一のデータベース検索に基づいて適応症変更の判断を行う 正しい対応： 少なくとも 2 つの独立したデータベース（例：DGIdb + ChEMBL、または OpenTargets + DrugBank）を相互参照します 理由： 各データベースには偏りや欠落があります。DGIdb は最新データを見逃す可能性があり、ChEMBL には臨床的背景がなく、DrugBank の疾患関連情報は限られています

• 誤り： 機序上の裏付けだけを根拠に、軽症の疾患に重篤な副作用のある薬剤を提案する 正しい対応： 候補を先に進める前に、適応症の重症度を踏まえてリスクとベネフィットの比率を評価します 理由： 副作用が疾患に対して不釣り合いであれば、機序上の裏付けがあってもリスクとベネフィットの評価は不合格となります

• 誤り： 科学的に妥当な候補について、特許状況を確認せずに労力を費やす 正しい対応： 早い段階で特許の状況を確認し、物質特許の障壁や用途特許の機会を調べます 理由： 知的財産上の障壁によって、科学的な価値にかかわらず開発が妨げられ、時間とリソースが無駄になる可能性があります

• 誤り： 承認用量で新たな適応症の標的への標的エンゲージメントが達成できると想定する 正しい対応： 新たな標的について PK/PD モデリングを確認します。必要な曝露量は元の適応症と異なる場合があります 理由： 承認用量は元の標的に合わせて最適化されています。新たな標的には異なる濃度が必要になる可能性があります

• 誤り： ネットワーク近接性（薬剤・標的・疾患間の PPI 距離）を検証エビデンスとして提示する 正しい対応： ネットワークに基づく予測は Tier 4（仮説生成）として扱い、実験による確認を必須とします 理由： 計算によるネットワーク近接性だけでは、臨床開発に関する判断には不十分です

• 誤り： 薬剤が到達できない組織（例：BBB を通過しない薬剤を CNS 疾患に使用する）に対して薬剤を提案する 正しい対応： 組織ごとの分布を確認し、薬剤が治療濃度で疾患に関連する組織に到達することを確かめます 理由： 疾患組織内の標的が検証済みでも、薬剤がその組織に到達できなければ意味がありません

• 誤り： 過去の試験を ClinicalTrials.gov で検索せずに、適応症変更の候補を先に進める 正しい対応： リソースを投入する前に、同じ薬剤と適応症の組み合わせで過去に失敗した試験がないか、必ず確認します 理由： 同じ適応症に対する第 II 相試験の失敗は、試験デザイン上の問題ではなく有効性が原因でない限り、強い否定的シグナルです

• 誤り： 検出力が不十分な単一のメンデルランダム化研究を、決定的な Tier 1 のエビデンスとして引用する 正しい対応： 有効な操作変数（F 統計量 > 10）、水平多面発現がないこと（MR-Egger 切片）、および祖先集団をまたいだ再現性を必須とします 理由： 感度分析を行わない、検出力が不十分な単一の MR 研究は、Tier 1 のエビデンス基準を満たしません