化合物ライブラリー

化合物ライブラリー導入の正解 2026:主要4社の徹底比較・選定ガイド

2026年、創薬スクリーニング(HTS)の現場は大きな転換点を迎えています。「数打てば当たる」と数百万検体をスクリーニングした時代は終わり、AIによる事前予測と、厳選された「質の高い」ライブラリーを組み合わせるスマートな戦略が主流となりました。

しかし、多くの研究者が依然として抱える課題があります。「スクリーニングでヒットが出ない」「偽陽性に振り回され、時間と予算を浪費する」「購入した化合物がDMSO中で沈殿してしまう」。これらは、実験手技の問題ではなく、最初の「ライブラリー選定」のミスマッチに起因することが多いのです。

本ガイドでは、天然物とインシリコ技術を融合させたGreenpharma(グリーンファーマ)を中心に、EnaminePrestwickといった業界標準の製品を比較分析。あなたの研究テーマに最適な「武器」を選ぶための判断基準を提示します。


失敗しない製品選定のための「決定的5要素」

カタログスペックの「化合物数」や「価格」だけで選んでいませんか? HTSを成功させるためには、以下の5つの視点が不可欠です。

1. 化学的多様性と「立体性(3D)」

かつてのライブラリーは合成しやすさから「平らな分子」が中心でした。しかし、近年の研究で、より複雑で立体的な分子(Fsp3スコアが高い分子)の方が、標的タンパク質への特異性が高く、臨床成功率が高いことが判明しています。特にGreenpharmaのような天然物ライブラリーは、進化の過程で磨かれた「特権構造」を持ち、合成化合物では狙えないターゲット(PPIなど)に有効です。

2. 純度とDMSO溶解性の保証

「純度90%」という表記を鵜呑みにしてはいけません。残りの10%の不純物が偽の活性を示すリスクがあるからです。また、化合物は通常DMSO溶液で保管されますが、吸湿により水が混入すると、疎水性の高い化合物は析出(沈殿)してしまいます。EnamineChemBridgeなどの大手は、事前に溶解度をチェックし、保存安定性の高い化合物を厳選するフィルタリング技術を進化させています。

3. 偽陽性(False Positive)リスクの排除

スクリーニング最大の敵は「偽陽性」です。特に、溶液中でコロイド凝集を起こし、非特異的にタンパク質を阻害する化合物や、反応性の高い化合物(PAINS)は、最新のライブラリーからは除外されているべきです。2026年の選定基準では、これらの「ノイズ」があらかじめ除去されているか、あるいはAIツールで予測可能かが重要視されます。

4. アノテーション(付帯情報)の質

ドラッグリポジショニング(既存薬転用)を目指すなら、化合物そのものよりも、それに紐づく「情報」が価値を持ちます。FDA承認状況、特許情報、既知の毒性データなどが完備されていれば、開発期間を数年単位で短縮できます。この分野ではPrestwick Chemicalのデータベースが圧倒的な信頼性を誇ります。

5. 再供給(リサプライ)体制

ヒット化合物が見つかった後、構造活性相関(SAR)を見るための類似化合物(アナログ)がすぐに入手できるかは死活問題です。Enamineのように、数十億規模の合成空間を持ち、数週間でアナログを合成・供給できるメーカーを選ぶことは、プロジェクトのスピードアップに直結します。


【2026年版】主要化合物ライブラリー徹底比較表

複雑な仕様を整理し、目的別に各社の強みを可視化しました。

メーカー / 製品名主な起源特徴・強みおすすめ用途
Greenpharma
(GPNCL)
天然物
(植物・微生物)
進化が磨いた構造
立体性が高く、難ターゲットに強い。インシリコ選抜と連携。
新規骨格探索
Undruggableターゲット
Enamine
(Diversity / REAL)
合成化合物 圧倒的な数と供給力
安価でアナログ合成が爆速。世界最大のケミカルスペース。
大規模HTS
SAR展開重視
ChemBridge
(CORE / DIVERSet)
合成化合物 業界標準の信頼性
Fsp3スコアを高めた高品質な設計。バランスが良い。
汎用スクリーニング
アカデミア標準
Prestwick
(Chemical Library)
FDA承認薬 リポジショニング最強
臨床データ・特許情報が完備。安全性確認済み。
ドラッグリポジショニング
早期臨床入り
Selleck
(Bioactive Library)
既知阻害剤 パスウェイ解析に特化
作用機序が明確。少量購入可で使いやすい。
メカニズム解析
ポジティブコントロール

目的別おすすめ製品ランキング

🏆 コストパフォーマンス重視(とにかく数を打ちたい)

  1. Enamine (Diversity Sets)
    圧倒的な単価の安さと、ヒット後のアナログ供給の速さが魅力。初期スクリーニングの「数」を確保するならこれ一択。
  2. ChemBridge (DIVERSet)
    実績豊富で品質が安定しており、アカデミアでも導入しやすい価格設定。

🎯 難易度の高いターゲット(PPI・新規骨格)

  1. Greenpharma (GPNCL)
    合成化合物では届かない複雑な立体構造を持つ天然物は、平坦な表面を持つタンパク質間相互作用(PPI)などの攻略に最適。
  2. Greenpharma (GPEL - Plant Extracts)
    未知の成分を含む抽出物ライブラリー。フェノタイプスクリーニングで予期せぬ活性(相乗効果含む)を狙うなら。

🏥 臨床応用への最短ルート(ドラッグリポジショニング)

  1. Prestwick Chemical Library
    FDA/EMA承認済み薬で構成されており、安全性が担保されているため、ヒット即、臨床試験への道が開ける。アノテーションの質が最高峰。
  2. Selleck (FDA-approved Drug Library)
    Prestwickと同様のコンセプトだが、より小規模・安価に導入したい場合に便利。

よくある質問 (FAQ)

Q1. 天然物ライブラリーはロット間のバラつきが心配ですが、大丈夫ですか?

天然物研究の最大の懸念点です。Greenpharmaの単一化合物ライブラリー(GPNCL)は、純度90%以上を保証しており、合成化合物と同様に扱えます。一方、抽出物(GPEL)の場合は、ヒットした際に同一ロットを十分に確保するか、再供給(リサプライ)保証について事前にメーカーと確認しておくことが、再現性を担保する鍵となります。

Q2. DMSO溶液が凍結して届きました。解凍時の注意点は?

必ず「室温に戻してから」開封してください。冷えたまま開封すると空気中の水分を吸着し、化合物が析出(沈殿)する原因になります。沈殿が見られた場合は、密閉して超音波処理やボルテックスを行い、完全に溶解させてから使用してください。

Q3. マニュアル(手作業)でのスクリーニングでも使えますか?

はい、可能です。ただし、96ウェルや384ウェルプレートで提供される製品は、マルチチャンネルピペットの使用を前提としています。検体数が少ない場合は、Selleckなどのように「チューブ単位」や「小容量(30μLなど)」で購入できるメーカーを選ぶか、必要な化合物だけを選んで購入する「チェリーピッキング」サービスを利用すると無駄がありません。

Q4. Greenpharmaの「リバース・ファーマコグノシー」とは何ですか?

従来の「植物から成分を探す」のではなく、「ターゲット(病気の原因タンパク質など)に合う成分を、計算科学(インシリコ)を使って植物データベースから逆引きする」手法です。これにより、膨大な実験を行わずに、効率よく有効成分の候補や、その成分を含む植物資源を特定できます。


免責事項: 正確な価格や最新仕様については、各メーカーまたは正規代理店にお問い合わせください。

化合物ライブラリーについて

化合物ライブラリーとそのスクリーニングは、新しい薬物候補の発見と、未解決の医学的課題への解決策を提供するための強力な手法となっています。この探求のプロセスは、科学者たちが無限に広がる化学の宇宙をナビゲートし、健康に寄与する可能性のあるユニークで有望な化合物を見つけ出す手助けをしています。

1. 化合物ライブラリーの基本

a. 化合物ライブラリーの定義と重要性
化合物ライブラリーは、多数の化合物を系統的に整理し、アクセス可能な形で提供するコレクションです。これらのライブラリーは、新しい薬物候補を発見するための初期段階の研究に不可欠であり、特定の特性や活性を持つ化合物を迅速に識別するための重要なツールとなります。

b. 化合物ライブラリーの種類
化合物ライブラリーは、その構成要素や目的に応じて、様々な種類に分類されます。例えば、フラグメントベースのライブラリー、天然物由来のライブラリー、合成化合物ライブラリーなどがあります。それぞれのライブラリーは、特定の研究目的やスクリーニングアプローチに最適化されています。

c. 化合物の選定と保存
化合物ライブラリーを構築する際には、化合物の選定と保存が重要なステップとなります。選定された化合物は、その構造、物理化学的特性、および生物学的活性に基づいてライブラリーに組み込まれ、適切な条件下で保存されます。

d. データベース管理
化合物ライブラリーは、化合物の物理的なコレクションだけでなく、それに関連するデータベースも含まれています。このデータベースは、各化合物の構造、物理化学的特性、生物学的テスト結果など、多岐にわたる情報を管理し、研究者が必要なデータに迅速にアクセスできるようにします。

e. スクリーニングへの応用
化合物ライブラリーは、ハイスループットスクリーニング(HTS)やハイコンテントスクリーニング(HCS)など、様々なスクリーニング手法に利用されます。これらの手法を用いて、ライブラリー内の化合物が特定の生物学的ターゲットまたはフェノタイプに対して示す活性を評価します。

f. 未来の展望
化合物ライブラリーとそのスクリーニング技術は、創薬研究の進歩とともに進化しています。AIや機械学習を利用した化合物の設計、新しいスクリーニング技術の開発など、新しい技術が化合物ライブラリーの構築と利用をさらに進化させています。

 

2. スクリーニングプロセスの概要

a. スクリーニングの目的と重要性
スクリーニングは、化合物ライブラリー内の個々の化合物が特定の生物学的ターゲットまたはフェノタイプに対してどのような活性を示すかを評価するプロセスです。このプロセスは、新しい薬物候補を発見し、その後の研究段階へと進めるための初期フェーズとなります。

b. ハイスループットスクリーニング (HTS)
ハイスループットスクリーニング(HTS)は、大量の化合物を迅速に評価するための一般的なアプローチであり、ロボット技術、データ処理ソフトウェア、感度の高い検出方法を利用して、数千から数百万の化合物を評価します。HTSは、大規模な化合物ライブラリーから活性を持つ化合物を効率的に同定することを可能にします。

c. ハイコンテントスクリーニング (HCS)
ハイコンテントスクリーニング(HCS)は、細胞の形態や細胞内の分子の動態を同時に評価するスクリーニング手法です。HCSは、細胞のフェノタイプを詳細に解析し、ターゲット分子の機能や細胞内シグナル伝達の変化を観察します。

d. ターゲットベースのスクリーニング
ターゲットベースのスクリーニングは、特定の生物学的ターゲット(たとえば、タンパク質やRNA)に対する化合物の活性を評価します。このアプローチは、ターゲット分子との相互作用を基に活性化合物を同定します。

e. フェノタイプベースのスクリーニング
フェノタイプベースのスクリーニングは、特定の細胞フェノタイプや生物学的応答に基づいて活性化合物を同定します。このアプローチは、ターゲットが未知の場合や複数のターゲットに作用する化合物を発見するのに有用です。

f. スクリーニングデータの解析とバリデーション
スクリーニングプロセスを通じて得られたデータは、解析とバリデーションのプロセスを経て、ヒット化合物が選定されます。このステップでは、偽陽性や偽陰性の結果を排除し、実際に活性を持つ化合物を正確に同定します。

 

3. 天然物由来の化合物ライブラリー

a. 天然物化合物の特徴と利点
天然物由来の化合物は、その多様性と複雑な構造から、新しい薬物発見の源となります。これらの化合物は、生物学的な活性が高く、創薬の出発点として注目されています。天然物化合物は、生物との相互作用が豊かであり、新しい作用機序や未知のターゲットを開拓する可能性があります。

b. 天然物由来の化合物ライブラリーの構築
天然物由来の化合物ライブラリーの構築には、多くのステップが含まれます。まず、生物資源(植物、微生物、動物など)から化合物を抽出し、次にこれらを精製して特定の化合物を取り出します。その後、化合物の構造を解析し、データベースに情報を登録します。

c. バイオアクティビティのスクリーニング
天然物由来の化合物ライブラリーは、多くの場合、バイオアクティビティのスクリーニングを行う基盤となります。これらの化合物は、様々な生物学的アッセイを用いて、その活性を評価され、新しい薬物リードの発見につながります。

d. 天然物化合物の最適化
天然物化合物が薬物リードとして同定された後、その化合物はさらなる最適化の対象となります。合成化学の手法を用いて、化合物の構造を修飾し、その活性を向上させ、薬物動態特性を改善します。

e. 天然物由来の薬物開発の事例
多くの現行薬が天然物またはその誘導体から発見されており、新しい治療法の開発においても重要な役割を果たしています。例えば、アスピリン(サリシン由来)、ペニシリン(カビ由来)、パクリタキセル(ユーカリ由来)など、多くの薬物が天然物から開発されています。

f. 持続可能な資源の利用
天然物由来の化合物ライブラリーの利用は、生物多様性と持続可能な資源利用の観点からも重要です。希少な生物資源や絶滅危惧種からの化合物採取は、生態系に影響を与えないよう配慮が必要です。

 

4. スクリーニングでのヒット化合物の確認と最適化

a. ヒット確認のプロセス
ヒット化合物の確認は、スクリーニングで得られた化合物が実際に目的の生物学的活性を持つかを検証するステップです。このプロセスでは、初期スクリーニングで得られた化合物をさらなる実験でテストし、その活性、特異性、および再現性を評価します。

b. 活性の検証
ヒット化合物の活性を検証するためには、追加の実験や異なるアッセイフォーマットを使用します。これには、異なる濃度での化合物のテストや、異なる実験条件下での活性の評価が含まれます。

c. 構造活性相関(SAR)の分析
ヒット化合物が確認されると、その化合物の構造活性相関(SAR)が分析されます。SAR分析は、化合物の構造と生物学的活性との関係を理解し、化合物の最適化の方向性を定義するのに役立ちます。

d. 化合物の最適化
化合物の最適化は、ヒット化合物の薬理学的特性を改善するプロセスです。これには、化合物の構造の修飾、代謝安定性の改善、生物学的利用可能性の向上などが含まれます。

e. ADMETプロファイルの評価
化合物が最適化されると、そのADMET(吸収、分布、代謝、排泄、毒性)プロファイルが評価されます。これは、化合物が体内でどのように動くかを理解し、その安全性と効果を予測するのに重要です。

f. リード化合物の選定
最適化された化合物群から、リード化合物が選定されます。リード化合物は、その後の薬物開発のフェーズに進む化合物であり、詳細な薬理学的および安全性評価が行われます。

g. スケールアップと初期の薬物開発
リード化合物が選定されると、その化合物はスケールアップされ、初期の薬物開発フェーズに進みます。これには、前臨床試験、安全性評価、および初期の臨床試験が含まれます。

h. 機能性化粧品・食品原料の選定基準
機能性化粧品や食品の原料として選定される化合物は、特定の生理活性や美容効果を持つ必要があります。これには、抗酸化活性、抗炎症活性、保湿効果など、皮膚や体に対するポジティブな効果が求められます。

i. 安全性の確保
化粧品や食品原料として利用される化合物は、特に厳しい安全性基準を満たす必要があります。これは、これらの製品が直接人体に触れるため、皮膚刺激性やアレルギー反応、毒性などの観点から詳細な評価が必要となります。

j. 効果の科学的証拠
機能性を謳った製品の原料として選定される化合物は、その効果に科学的な根拠が必要です。in vitro(試験管内)やin vivo(生体内)での実験により、化合物の効果が確認される必要があります。

k. フォーミュレーションの開発
ヒット化合物が機能性原料として選定された後、製品のフォーミュレーション開発が行われます。化合物の物理的、化学的特性を考慮し、製品の安定性、感触、香りなどが最適化されます。

l. 規制とラベリング
機能性化粧品や食品の開発には、各国の規制やガイドラインを遵守する必要があります。成分の表示、アレルゲン情報、使用方法など、正確で適切なラベリングが求められます。

m. 消費者ニーズとトレンド
機能性製品の原料開発では、消費者のニーズや市場のトレンドも考慮に入れる必要があります。アンチエイジング、スキンハイドレーション、スーパーフードなど、注目されているキーワードや成分を取り入れることで、製品は市場で受け入れられやすくなります。

 

5. 技術的な課題と解決策

a. 化合物の特異性と選択性
課題: スクリーニングプロセスで見つかった化合物が、複数のターゲットに作用する可能性があります。
解決策: ターゲット分子に対する化合物の選択性を評価する追加実験を実施し、その特異性を確認します。

b. 偽陽性の結果
課題: スクリーニングでは、偽陽性の結果が生じる可能性があります。
解決策: 確認実験を複数の手法や条件で実施し、初期の結果を検証します。

c. 化合物の安定性
課題: 化合物が不安定で、長期間保存や実験中に分解する可能性があります。
解決策: 化合物の安定性を向上させるための構造修飾や、保存条件の最適化を行います。

d. ハイスループットスクリーニングの限界
課題: HTSは高コストであり、すべてのラボがアクセスできるわけではありません。
解決策: インシリコ手法やバーチャルスクリーニングを利用して、実験前に化合物をフィルタリングします。

e. データ解析の複雑さ
課題: 大規模なデータセットの解析と管理は、技術的な挑戦を伴います。
解決策: データ解析の自動化やAIを利用した解析手法を導入して、効率的なデータ処理を実現します。

f. スケールアップの困難
課題: ラボスケールでの成功が、大規模生産に直接繋がるわけではありません。
解決策: プロセスケミストリーの専門家と協力し、実験室の条件を工業規模に拡大します。

g. 規制とコンプライアンス
課題: 新しい化合物や製品は、多くの規制基準をクリアする必要があります。
解決策: 開発初期段階から規制コンプライアンスを考慮に入れ、必要なテストやドキュメンテーションを整備します。

h. バイオインフォマティクスの専門知識
課題: バイオインフォマティクスの知識が限られているラボもあります。
解決策: パートナーシップやコラボレーションを通じて、専門的なスキルとリソースを共有します。

 

6. ケーススタディと成功事例

a. タキサンの発見
背景: タキサンは、ヨーロッパツゲから初めて分離され、現在は抗がん剤パクリタキセルの主要な前駆体となっています。
成功要因: タキサンが抗がん活性を持つことを発見したのは、植物抽出物の広範なスクリーニングからでした。パクリタキセルは、多くのがんタイプの治療に使用され、数多くの患者の生命を延ばしています。

b. アスピリンの開発
背景: アスピリンは、サリシンという化合物に由来し、白柳の樹皮から得られます。
成功要因: サリシンが痛みを和らげる作用を持つことが古くから知られていましたが、その化学的な構造と作用機序の解明がアスピリンの開発につながりました。アスピリンは、今日でも広く使用されている非ステロイド性抗炎症薬(NSAID)です。

c. アルツハイマー病治療薬の探求
背景: アルツハイマー病は、全世界で増加している認知症の一形態で、治療法は限られています。
成功要因: 化合物ライブラリーを用いたスクリーニングが、新しい治療ターゲットやリード化合物の発見に寄与しています。新しい治療法の開発は進行中であり、いくつかの化合物が臨床試験の段階にあります。

d. 自然由来の抗生物質
背景: 抗生物質耐性が増加している中で、新しい抗生物質の発見が急募されています。
成功要因: 土壌細菌から得られた化合物ライブラリーが、新しい抗生物質クラスの発見に寄与しました。新しい抗生物質は、耐性菌に対する新しい治療法を提供し、多くの命を救う可能性があります。