tooluniverse-drug-mechanism-research

薬剤の作用機序の調査

調査の考え方

薬剤の作用機序を調べる際は、次の一連の問いを中心に進めます。

標的 -> 下流への作用 -> 経路 -> 臓器への作用 -> 臨床転帰

まず、薬剤の主要な標的を特定します。どの受容体、酵素、トランスポーターに結合するのでしょうか。次に、その作用をたどります。その標的を阻害／活性化すると、直接どのような作用が生じるのでしょうか。どの経路が変化するのでしょうか。臓器レベルではどのような変化が起きるのでしょうか。そして、患者にはどのような影響があるのでしょうか。

LLM は薬理学の知識をすでに備えています。このスキルでは、どのような作用機序があるかではなく、利用可能なツールを使った調査方法を学びます。

使用する場面

• 「[薬剤] の作用機序は何ですか？」
• 「[薬剤] の分子標的は何ですか？」
• 「[薬剤] はどの経路に影響しますか？」
• 「[薬剤] にはどのような薬理ゲノム学的相互作用がありますか？」
• 「[薬剤] のオフターゲットは何ですか？」
• 「[薬剤 A] と [薬剤 B] の作用機序を比較してください」

対象外（他のスキルを使用してください）

• 薬剤の安全性／有害事象のプロファイリング -> tooluniverse-adverse-event-detection
• 薬剤のリポジショニング／新たな適応症 -> tooluniverse-drug-repurposing
• 標的の創薬可能性の評価 -> tooluniverse-drug-target-validation
• ネットワーク薬理学／多剤標的作用 -> tooluniverse-network-pharmacology
• CPIC の用量ガイドラインに特化した内容 -> tooluniverse-pharmacogenomics

---

ステップ 1：薬剤を特定する

作用機序を調べる前に、薬剤名を標準的な識別子に対応づけます。下流のクエリのほとんどでは ChEMBL ID が必要です。

# Resolve drug name to ChEMBL ID
result = tu.tools.OpenTargets_get_drug_id_description_by_name(drugName="metformin")
# Alternative: OpenTargets_get_drug_chembId_by_generic_name(drugName="metformin")

# Get PharmGKB ID (needed for PGx queries)
result = tu.tools.PharmGKB_search_drugs(query="metformin")

代替手段：OpenTargets で結果が見つからない場合は、PharmGKB_search_drugs を試すか、既知の ChEMBL ID を使って ChEMBL_get_drug を試してください。

---

ステップ 2：主要な標的を特定する

最初に確認するのは、薬剤が何に結合し、その標的にどのような作用を及ぼすかです。

次の 2 つの補完的な情報源から確認できます。

# OpenTargets: quick summary of MOA with target gene symbols
moa = tu.tools.OpenTargets_get_drug_mechanisms_of_action_by_chemblId(chemblId="CHEMBL1431")
for row in moa["data"]["drug"]["mechanismsOfAction"]["rows"]:
    print(f"{row['mechanismOfAction']} ({row['actionType']}) -> {row['targetName']}")
    for t in row.get("targets", []):
        print(f"  Target gene: {t['approvedSymbol']} ({t['id']})")

# ChEMBL: detailed MOA with literature references and direct_interaction flag
mechs = tu.tools.ChEMBL_get_drug_mechanisms(drug_chembl_id="CHEMBL1431")
for m in mechs["data"]["mechanisms"]:
    print(f"MOA: {m['mechanism_of_action']}, Direct: {m['direct_interaction']}")
    print(f"  Refs: {[r['ref_id'] for r in m.get('mechanism_refs', [])]}")

抽出する主なフィールド：action_type（INHIBITOR、AGONIST、ANTAGONIST など）、標的遺伝子のシンボル、direct_interaction（ブール値）、文献参照。

既知の問題：OpenTargets_get_associated_targets_by_drug_chemblId は失敗することがあります（GraphQL スキーマの変更）。代わりに、MOA の結果から標的を抽出してください。

---

ステップ 3：オフターゲット作用を評価する

ほとんどの薬剤は、臨床濃度で複数の標的に結合します。主要な標的を特定した後は、この薬剤がほかにどのタンパク質と相互作用するかを確認します。オフターゲット結合は、多くの副作用や薬物相互作用の原因となります。

# ChEMBL bioactivity data shows binding affinity across targets
activities = tu.tools.ChEMBL_get_target_activities(target_chembl_id__exact="CHEMBL2364")

# STRING interaction partners reveal the target's protein network
partners = tu.tools.STRING_get_interaction_partners(identifiers="PRKAA1", species=9606)

推論の方法：ChEMBL の MOA に複数の標的が記載されている場合は、それぞれの action_type を比較します。関連する標的間で action_type が同じなら、標的経路上の多剤標的作用が示唆されます。action_type が異なるなら、真のオフターゲット作用が示唆されます。結合親和性（生物活性データの IC50/Ki）から、臨床用量で重要な標的を判断できます。ナノモル単位の親和性なら主要な標的、マイクロモル単位ならオフターゲットである可能性が高いです。

---

ステップ 4：経路の文脈に対応づける

薬剤の標的は単独で作用するわけではありません。影響の広がりを理解するため、標的を経路に対応づけます。

重要な問い：標的は上流にありますか（多くの下流遺伝子に影響し、作用が広範で、副作用も多くなりますか）、それとも下流にありますか（作用が限定的で、特異性が高くなりますか）。

# KEGG: find gene ID, then get pathways
genes = tu.tools.kegg_find_genes(keyword="PRKAA1", organism="hsa")
pathways = tu.tools.KEGG_get_gene_pathways(gene_id="hsa:5562")

# Reactome: map protein to pathways (needs UniProt ID)
reactome = tu.tools.Reactome_map_uniprot_to_pathways(uniprot_id="Q13131")

# WikiPathways: search by gene symbol
wp = tu.tools.WikiPathways_find_pathways_by_gene(gene="PRKAA1")

# STRING: functional annotations (GO terms, pathway memberships)
annot = tu.tools.STRING_get_functional_annotations(identifiers="PRKAA1", species=9606)

複数の標的を持つ薬剤の場合、経路エンリッチメントを実行し、収束する経路を特定します。

# Reactome enrichment (space-separated gene list, NOT array)
enrichment = tu.tools.ReactomeAnalysis_pathway_enrichment(identifiers="PRKAA1 PRKAA2 PRKAB1")

# STRING enrichment
enrichment = tu.tools.STRING_functional_enrichment(protein_ids=["PRKAA1", "PRKAA2"], species=9606)

推論の方法：複数の薬剤標的が同じ経路に収束するなら、その経路が薬剤の真の作用機序です。標的が異なる経路に属するなら、その薬剤には実際に複数の経路への作用があります。それぞれを個別に報告してください。

---

ステップ 5：規制当局の見解を確認する（DailyMed）

医薬品のラベルには、その医薬品が何をするかが記載されています。これは FDA 承認済みの作用機序に関する説明です。

DailyMed では 2 段階の手順が必要です。まず医薬品を検索して setid を取得し、次にラベルの特定のセクションを解析します。

# Step 1: Get setid
spls = tu.tools.DailyMed_search_spls(drug_name="metformin")
setid = spls["data"][0]["setid"]

# Step 2: Parse the clinical pharmacology section (MOA, PK/PD, metabolism)
pharmacology = tu.tools.DailyMed_parse_clinical_pharmacology(
    operation="parse_clinical_pharmacology", setid=setid)

# Drug interactions from the label
interactions = tu.tools.DailyMed_parse_drug_interactions(
    operation="parse_drug_interactions", setid=setid)

# Contraindications
contra = tu.tools.DailyMed_parse_contraindications(
    operation="parse_contraindications", setid=setid)

その他の DailyMed 解析ツール：DailyMed_parse_adverse_reactions、DailyMed_parse_dosing。

推論戦略：ラベルの臨床薬理セクションでは、データベースの項目とは異なる形で作用機序が説明されていることがよくあります。ラベルは臨床的に重要な効果を強調し、データベースは分子レベルの詳細を重視します。両方の視点が必要です。

---

ステップ 6：薬理ゲノミクスを確認する

薬理ゲノミクスのバリアントは、患者の医薬品に対する反応に影響します。PGx 遺伝子は多くの場合、その医薬品の代謝酵素または標的であるため、作用機序を考えるうえで重要です。

# CPIC gene-drug pairs (gold standard for PGx)
pairs = tu.tools.CPIC_search_gene_drug_pairs(gene_symbol="CYP2C19", cpiclevel="A", limit=20)
# Or search by drug
drug_info = tu.tools.CPIC_get_drug_info(name="clopidogrel")

# FDA PGx biomarkers (what's on the label)
fda_pgx = tu.tools.fda_pharmacogenomic_biomarkers(drug_name="clopidogrel", limit=100)
# Or find all drugs affected by a gene
fda_pgx = tu.tools.fda_pharmacogenomic_biomarkers(biomarker="CYP2D6", limit=100)

# PharmGKB gene details
gene_info = tu.tools.PharmGKB_search_genes(query="CYP2C19")

推論戦略：CPIC レベル A/B のペアは、エビデンスが強く、実践に役立つガイドラインがあります。医薬品に CPIC レベル A の相互作用がある場合、それらの遺伝子は作用機序において重要です（通常は代謝酵素または直接の標的です）。FDA の PGx バイオマーカーから、承認済みラベルに記載されている内容を確認できます。

---

ステップ 7：文献のエビデンスを集める

文献には、作用機序がなぜ機能するのかが記載されています。ラベルにある情報（何をするか）と組み合わせることで、全体像を把握できます。

# PubMed: returns a plain list of article dicts
articles = tu.tools.PubMed_search_articles(
    query="metformin mechanism of action AMPK mitochondrial", limit=10)

# EuropePMC: returns {status, data, metadata}
articles = tu.tools.EuropePMC_search_articles(
    query="metformin mechanism action mitochondrial", limit=10)

# Follow citation chains for seminal papers
citations = tu.tools.EuropePMC_get_citations(source="MED", article_id="12345678")

検索戦略：「[drug] mechanism of action [primary target]」から始めます。作用機序に議論がある場合は、対立する仮説を個別のクエリとして追加します。最近のレビュー（クエリに「review」を追加）から、現在のコンセンサスを確認できます。

---

ステップ 8：統合して報告する

エビデンスの階層

• ティア 1（規制当局）：FDA ラベル（DailyMed）、CPIC レベル A、FDA PGx バイオマーカー
• ティア 2（実験）：文献参照付きの ChEMBL の作用機序、結合データ
• ティア 3（データベース）：OpenTargets の MOA、パスウェイデータベース（KEGG/Reactome/WikiPathways）
• ティア 4（文献）：PubMed/EuropePMC の論文

レポートの構成

## Drug Mechanism Report: [Drug Name]

### Drug Identity
- ChEMBL ID, PharmGKB ID, approval status

### Primary Mechanism
- Target: [gene symbol], Action: [INHIBITOR/AGONIST/etc.]
- Mechanism narrative (from DailyMed + databases)
- Direct interaction: yes/no

### Off-Target Effects
- Additional targets with action types and binding affinities
- Which off-targets explain known side effects

### Pathway Context
- Key pathways (from KEGG/Reactome/WikiPathways)
- Upstream vs downstream position of target
- Convergent pathways for multi-target drugs

### Pharmacogenomics
- CPIC gene-drug pairs with levels
- FDA PGx biomarkers

### Drug Interactions
- Mechanism-based interactions (enzyme inhibition/induction)
- Key interactions from DailyMed

### Evidence Summary
| Finding | Source | Tier |
|---------|--------|------|
| Primary MOA | ChEMBL + DailyMed | T1/T2 |
| Off-targets | ChEMBL bioactivity | T2 |
| Pathways | KEGG/Reactome | T3 |
| PGx | CPIC/FDA | T1 |

---

2 つの医薬品を比較する

作用機序を比較する場合は、両方の医薬品についてステップ 2〜4 を実行してから、次の観点で整理します。

1. 標的は同じで作用が異なるか？（例：同じ受容体に対するアゴニストとアンタゴニスト）
2. 標的は異なるが、同じパスウェイか？（例：どちらもインスリンシグナル伝達に影響するが、作用点が異なる）
3. パスウェイがまったく異なるか？（例：メトホルミンは AMPK、ピオグリタゾンは PPAR-gamma に作用する）

for drug in [("metformin", "CHEMBL1431"), ("pioglitazone", "CHEMBL595")]:
    moa = tu.tools.OpenTargets_get_drug_mechanisms_of_action_by_chemblId(chemblId=drug[1])
    clin = tu.tools.DailyMed_parse_clinical_pharmacology(drug_name=drug[0])

---

フォールバック戦略

ステップ	主なツール	フォールバック
医薬品 ID	OpenTargets_get_drug_id_description_by_name	PharmGKB_search_drugs
MOA	OpenTargets_get_drug_mechanisms_of_action_by_chemblId	ChEMBL_get_drug_mechanisms
パスウェイ	KEGG_get_gene_pathways	WikiPathways_find_pathways_by_gene, Reactome_map_uniprot_to_pathways
PGx	CPIC_search_gene_drug_pairs	fda_pharmacogenomic_biomarkers
臨床情報	DailyMed_parse_clinical_pharmacology	OpenTargets_get_drug_description_by_chemblId
DDI	DailyMed_parse_drug_interactions	PubMed_search_articles（DDI クエリ）
文献	PubMed_search_articles	EuropePMC_search_articles

MetaCyc に関する注意：MetaCyc は有料アカウントが必要なため、利用できません。代わりに KEGG、Reactome、または WikiPathways を使用してください。