ADMET-AI

創薬・分子設計AI

使いやすさ
セットアップ
料金
サポート充実
連携・拡張性
機能性
セキュリティ

あなたの職場・業務に求められることや重視することは？

この製品が本当に相応しいかチェックしてみましょう。

コスト

要問合せ

無料プラン

IT導入補助金

無料トライアル

~ 創薬・分子設計AI

事業規模

中小

中堅

大企業

ADMET-AIとは

強み

注意点

カテゴリ別市場マーケットシェア

代替サービス

サービス基本情報

運営サービス一覧

FitGapにおけるすべての評価は、公平性を最優先に、客観的なアルゴリズムを用いて計算されています。製品の評価方法は「FitGapの評価メソッド」、シェアデータの算出根拠は「シェアスコアの算出方法」をご覧ください。

ADMET-AIとは

Greenstone Biosciencesが提供するADMET-AIは、創薬・分子設計を支援するAIツールです。機械学習を用いたADMET特性および物性の高速予測を主な機能とし、リード探索から最適化段階における候補化合物の絞り込みに適しています。モデルはChemprop-RDKitのグラフニューラルネットワーク（GNN）をベースに、TDC由来の41データセットで学習しており、複数のADMET指標を一括して推定できます。Webインターフェースでは最大1,000件の分子を入力可能で、ローカル環境ではCLIおよびPython APIを通じてCPUの多コア処理やGPUを活用することで、100万件規模のデータも短時間で処理できます。DrugBank承認薬の参照やATC分類による文脈付与により、予測結果の解釈を効率化できる点も特徴です。ドッキングシミュレーションや生成AIによって得られたヒット化合物をADMET観点から一次選別する用途にも適しています。オープンソースとして無償公開されており、スタートアップから大企業、アカデミアまで幅広い利用が想定されます。FitGapの連携評価はカテゴリ35製品中4位で、CLIやPython APIを使った既存の解析環境への組み込みを重視する場合にも比較候補になります。

強み

コンテクスト重視のADMET予測

ADMET-AIは、DrugBankに収録された承認薬との比較に基づきADMET予測のパーセンタイルを算出するため、対象分子の吸収性や毒性が一般的な薬剤と比べてどの水準にあるかを客観的に把握できます。さらに、特定の治療カテゴリ（ATC分類）を指定して比較範囲を絞り込むことで、同一カテゴリの薬剤群を基準とした、より文脈に沿った評価が可能になります。こうしたコンテクストを踏まえた比較機能により、予測結果を具体的な基準と照らし合わせながら解釈でき、薬効分類をまたいだ結果の読み解きもスムーズに行えます。FitGapの機能性評価はカテゴリ35製品中7位、操作性評価はカテゴリ35製品中8位で、予測項目の広さと結果解釈のしやすさを重視する創薬チームにとって判断しやすい製品です。

高速処理で大規模解析に対応

ADMET-AIは高速処理を重視して設計されており、1,000分子のADMET予測を約1.7分で実行できます。これは次点の無料ツール（vNN-ADMET）と比べて数倍速く、SwissADMEの約86分と比較しても大幅に短い処理時間です。さらにGPUを活用することで処理速度を一層高めることができ、32CPU＋GPU環境では100万分子を約3.1時間で処理することも可能です。大規模な化合物ライブラリの解析においても、実用的なスループットを発揮できる点が特徴です。

無料公開のオープンソース

ADMET-AIはウェブサイト上で無料提供されているほか、Pythonライブラリ（pip経由）としても利用可能です。ソースコードはGitHubにApacheライセンスで公開されており、商用・非商用を問わず自由に利用・改変できます。ウェブとローカル環境のいずれにも対応し、ライセンス費用や使用期間の制約がない点は、導入・継続利用のしやすさにつながる特長といえます。FitGapの料金評価はカテゴリ35製品中10位で、費用を抑えてADMET予測を試したい研究チームや、ローカル環境で継続利用したい組織にも向いています。

注意点

Web版は1回あたりの入力数に上限

Web画面から一度に予測できる分子数は最大1,000件までとなっています。これを超える大規模ライブラリを継続的に処理する場合は、データを分割して順次投入するといった運用上の工夫が必要になることがあります。スクリーニング規模が大きくなるほど、入力計画や作業量をあらかじめ見積もっておくと、スムーズに進めやすくなるでしょう。

ローカル運用はPython環境の用意が前提

ADMET-AIをローカル環境で利用する場合、pipまたはconda環境を用いたインストール手順が提示されています。さらにWebサーバーとして動作させる際には、追加のWeb関連依存パッケージの導入も必要となるため、用途に応じた依存関係の整理が求められます。社内で再現性のある環境を構築するまでには、一定のセットアップ時間を要する場合がある点に留意が必要です。

Web版とパッケージ版でバージョン整合に注意

公式リポジトリはADMET-AI v2をベースとしている一方、ライブWebサーバーはv1に基づいていることが明記されています。v2ではモデルが再学習されているため、v1との予測結果が完全には一致しない場合があります。比較検証や継続的な運用を行う際は、使用するバージョンをあらかじめ統一しておくことで、結果の不整合や混乱を防ぎやすくなります。

カテゴリ別マーケットシェア

2026年3月 FitGap調査