| Hepaotoxicological potential of P-toluic acid in humanised-liver mice investigated using simplified physiologically based pharmacokinetic modelst
Miura T, Kamiya Y, Uehara S, Murayama N, Shimizu M, Suemizu H, Yamazaki H
Xenobiotica, 51(6),636-642, 2021,DOI: 10.1080/00498254.2021.1908643 |
| Pharmacokinetics of primary oxidative metabolites of thalidomide in rats and in chimeric mice humanized with different human hepatocytes
Miura T, Uehara S, Shimizu M, Suemizu H, Yamazaki H
J. Toxicol. Sci., 46(7), 311-317,2021, DOI: 10.2131/jts.46.311 |
| Pharmacokinetic modeling of over-the-counter drug diphenhydramine self-administered in overdoses in Japanese patients admitted to hospital
Adachi K, Beppu S, Terashima M, Kobari W, Shimizu M, Yamazaki H
J. Pharm. Health Care Sci., 7(1), 32, 2021, DOI: 10.1186/s40780-021-00215-w |
| Metabolic profiles for the pyrrolizidine alkaloid neopetasitenine and its metabolite petasitenine in humans extrapolated from rat in vivo and in vitro data sets using a simplified physiologically based pharmacokinetic model
Yanagi M, Kamiya Y, Murayama N, Banju K, Shimizu M, Yamazaki H
J. Toxicol. Sci., 46(9), 391-399, 2021, DOI: 10.2131/jts.46.391 |
| Metabolic activation and deactivation of dietary-derived coumarin mediated by cytochrome P450 enzymes in rat and human liver preparations
Murayama N, Yamazaki H
J. Toxicol. Sci., 46(8), 371-378, 2021, DOI: 10.2131/jts.46.371 |
| Oxidative metabolism and pharmacokinetics of the EGFR inhibitor BIBX1382 in chimeric NOG-TKm30 mice transplanted with human hepatocytes
Uehara S, Yoneda N, Higuchi Y, Yamazaki H, Suemizu H
Drug Metab. Pharmacokinet., DOI: 10.1016/j.dmpk.2021.100419 |
| Differences in pharmacokinetics and haematotoxicities of aniline and its dimethyl derivatives orally administered in rats
Miura T, Kamiya Y, Murayama N, Shimizu M, Yamazaki H
Biol. Pharm. Bull., DOI: 10.1248/bpb.b21-00589 |
| UDP-glucuronosyltransferase 1A4-mediated N2-glucuronidation is the major metabolic pathway of lamotrigine in chimeric NOG-TKm30 mice with humanised-livers
Uehara S, Higuchi Y, Yoneda N, Yamazaki H, Suemizu H
Xenobiotica, DOI: 10.1080/00498254.2021.1972492 |
| Prediction of permeability across intestinal cell monolayers for 219 disparate chemicals using in vitro experimental coefficients in a pH gradient system and in silico analyses by trivariate linear regressions and machine learning
Kamiya Y, Omura A, Hayasaka R, Saito R, Sano I, Handa K, Ohori J, Kitajima M, Shono F, Funatsu K, Yamazaki H
Biochem. Pharmacol., vol.192, 2021, DOI: 10.1016/j.bcp.2021.114749 |
| 肝毒性評価におけるインビトロ試験及び化学構造情報の活用
吉成 浩一
幹細胞を用いた化学物質リスク情報共有化コンソーシアムscChemRISC 2021年度年会 招待講演, オンライン, 2021年4月 |
| Association between the results of hepatotoxicity-related in vitro tests and rat repeated-dose liver toxicity
Yoshinari K, Shizu R, Kanno Y, Hosaka T, Sasaki T
EUROTOX 2021, Online, Sep. 2021 |
| 機械学習を用いた薬物代謝酵素阻害活性のin silico予測手法の開発
中森 瑞季, 東野 竜空, 安部 賀央里, 頭金 正博, 佐々木 崇光, 吉成 浩一
第48回 日本毒性学会学術年会, 神戸＆オンライン, 2021年7月, DOI:10.14869/toxpt.48.1.0_P-197S |
| Primary oxidative metabolites of thalidomide in rat and humanized-liver mouse pharmacokinetics
Yamazaki H, Uehara S, Shimizu M, Suemizu H
24th North American ISSX Meeting, Online, Sep. 2021 |
| Pharmacokinetics of loxoprofen in a selfadministered overdose in a Japanese patient admitted to hospital
Adachi K, Sugitani Y, Unita R, Yoshida K, Beppu S, Terashima M, Fujii M, Shimizu M, Yamazaki H
J. Pharm. Health Care Sci., 7(1), 33, 2021, DOI: 10.1186/s40780-021-00216-9 |
| Methyl-hydroxylation and subsequent oxidation to produce carboxylic acid is the major metabolic pathway of tolbutamide in chimeric TK-NOG mice transplanted with human hepatocytes Uehara S, Yoneda N, Higuchi Y, Yamazaki H, Suemizu H Xenobiotica, DOI: 10.1080/00498254.2021.1875515 |
| Plasma, liver, and kidney exposures in rats after oral doses of industrial chemicals predicted using physiologically based pharmacokinetic models: A case study of perfluorooctane sulfonic acid Kamiya Y, Yanagi M, Hina S, Shigeta K, Miura T, Yamazaki H J. Toxicol. Sci., 45(12), 763-767, 2020, DOI: 10.2131/jts.45.763 |
| Predicted Contributions of Flavin-containing Monooxygenases to the N-Oxygenation of Drug Candidates Based on their Estimated Base Dissociation Constants Taniguchi-Takizawa T, Kato H, Shimizu M, Yamazaki H Current Drug Metabolism, 22, 1-0, 2020, DOI: 10.2174/1389200221666201207195758 |
| Metabolic profiles of coumarin in human plasma extrapolated from a rat data set with a simplified physiologically based pharmacokinetic model Miura T, Kamiya Y, Hina S, Kobayashi Y, Murayama N, Shimizu M, Yamazaki H J. Toxicol. Sci., 45(11), 695-700, 2020, DOI: 10.2131/jts.45.695 |
| Prediction of the inhibitory activity of rat drug-metabolizing enzyme by in silico method Nakamori M, Tohno R, Ambe K, Tohkin M, Sasaki T, Yoshinari K 情報計算化学生物学会（CBI学会） 2020年大会, オンライン, 2020年10月30日 |
| 経済産業省研究開発事業 毒性関連ビッグデータを用いた人工知能による次世代型安全性予測手法 開発プロジェクト（AI-SHIPSプロジェクト） 吉成 浩一, 山崎 浩史, 庄野 文章, 小島 肇 情報計算化学生物学会（CBI学会） 2020年大会, オンライン, 2020年10月28日 |
| 経済産業省 in silico 毒性予測プロジェクト AI-SHIPSおよび分子画像を用いた DeepSnap 深層学習法 植沢 芳広, 松坂 恭成 理論化学会誌 フロンティア, 2(3), 118-126, 2020 |
| Physiologically Based Pharmacokinetic Models Predicting Renal and Hepatic Concentrations of Industrial Chemicals after Virtual Oral Doses in Rats Kamiya Y, Otsuka S, Miura T, Yoshizawa M, Nakano A, Iwasaki M, Kobayashi Y, Shimizu M, Kitajima M, Shono F, Funatsu K, Yamazaki H Chem. Res. Toxicol., 33(7), 1736–1751, 2020, DOI: 10.1021/acs.chemrestox.0c00009 |
| 一般化学物質の経口吸収過程を含む簡素な生理学的薬物動態モデルを活用する体内動態評価 山崎 浩史 第47回 日本毒性学会学術年会, オンライン, 2020年6月 |
| In silicoモデルによるラットの薬物代謝酵素阻害活性の予測 東野 竜空, 中森 瑞季, 安部 賀央里, 頭金 正博, 佐々木 崇光, 吉成 浩一 第47回 日本毒性学会学術年会, オンライン, 2020年6月29日-7月1日, DOI: 10.14869/toxpt.47.1.0_P-94S |
| 化学物質の予測物性値を用いる生理学的薬物動態(PBPK)モデルを活用するヒト臓器中濃度推移と毒性予測 山崎 浩史 第47回 日本毒性学会学術年会, オンライン, 2020年6月, DOI: 10.14869/toxpt.47.1.0_S6-2 |
| 薬物動態からみた毒性の作用機序に基づく安全性評価コンピュータシステムの現状と将来展望 北島 正人 第47回 日本毒性学会学術年会, オンライン, 2020年6月, DOI: 10.14869/toxpt.47.1.0_S2-3 |
| 計算毒性学に基づくin silico毒性予測の現状と課題 植沢 芳広 第47回 日本毒性学会学術年会, オンライン, 2020年6月, DOI: 10.14869/toxpt.47.1.0_S6-1 |
| Molecular Image-Based Prediction Models of Nuclear Receptor Agonists and Antagonists Using the DeepSnap-Deep Learning Approach with the Tox21 10K Library Matsuzaka Y, Uesawa Y Molecules, 25(12), 2764, 2020, DOI: 10.3390/molecules25122764 |
| 遺伝子発現量データを用いたAOPに基づく肝毒性評価の可能性Transcriptomics-Driven Evaluation on Liver Toxicity using Adverse Outcome Pathways (AOP) 赤堀 有美, 石田 和也, 山下 京介, 齋藤 文代, 中井 誠 Yakugaku Zasshi, 140(4), 491-498, 2020, DOI: 10.1248/yakushi.19-00190-3 |
| 化学構造からの有害性発現予測：人工知能技術の適用AI-based QSAR Modeling for Prediction of Active Compounds in MIE/AOP 植沢 芳広 Yakugaku Zasshi, 140(4), 499-505, 2020, DOI: 10.1248/yakushi.19-00190-4 |
| Prediction Model of Aryl Hydrocarbon Receptor Activation by a Novel QSAR Approach, DeepSnap-Deep Learning Matsuzaka Y, Hosaka T, Ogaito A, Yoshinari K, Uesawa Y Molecules, 25(6), 1317, 2020, DOI: 10.3390/molecules25061317 |
| 培養ヒトおよびラット腸細胞を用いた一般化学物質の膜透過性および動物肝無毒性指標の関連 神矢 佑輔, 大村 明日香, 關口 佑子, 赤瀨 千聡, 阿部 雄人, 庄野 文章, 山崎 浩史 日本薬学会 第140年会, 誌上, 2020年3月 |
| 多様な一般化学物質および医薬品の培養ヒト小腸上皮膜透過係数の予測 關口 佑子, 神矢 佑輔, 大村 明日香, 赤瀨 千聡, 阿部 雄人, 庄野 文章, 船津 公人, 山崎 浩史 日本薬学会 第140年会, 誌上, 2020年3月 |
| 一般化学物質のラット血中濃度推移情報と生理学的薬物動態モデルを活用した予測肝中濃度と臓器毒性 村山 典恵, 柳 麻由, 岩崎 美友, 小林 由惟, 中野 彩音, 三浦 智徳, 神矢 佑輔, 庄野 文章, 山崎 浩史 日本薬学会 第140年会, 誌上, 2020年3月 |
| 腎を独立させた生理学的薬物動態モデルで予測した一般化学物質のラット組織中濃度と臓器毒性 重田 和樹, 村山 典恵, 吉沢 愛映, 大西 潮, 大塚 昌平, 神矢 佑輔, 庄野 文章, 山崎 浩史 日本薬学会 第140年会, 誌上, 2020年3月 |
| 一般化学物質の生理学的薬物動態モデルを用いて再現したラット最高血中濃度と血液毒性 岩崎 美友, 村山 典恵, 三浦 智徳, 神矢 佑輔, 北島 正人, 庄野 文章, 山崎 浩史 日本薬学会 第140年会, 誌上, 2020年3月 |
| 対象物質の物性値を用いて予測する薬物動態指標値を活用したヒト血中薬物動態予測 中野 彩音, 清水 万紀子, 佐々木 達郎, 三浦 智徳, 神矢 佑輔, 北島 正人, 庄野 文章, 船津 公人, 山崎 浩史 日本薬学会 第140年会, 誌上, 2020年3月 |
| Application of cytochrome P450 reactivity on the characterization of chemical compounds and its association with repeated-dose toxicity Watanabe M, Sasaki T, Takeshita J, Kushida M, Shimizu Y, Oki H, Kitsunai Y, Nakayama H, Saruhashi H, Ogura R, Shizu R, Hosaka T, Yoshinari K Toxicology and Applied Pharmacology, 388, 114854, 2020, DOI: 10.1016/j.taap.2019.114854 |
| DeepSnap-Deep Learning Approach Predicts Progesterone Receptor Antagonist Activity With High Performance Matsuzaka Y, Uesawa Y Front. Bioeng. Biotechnol., 7(485), 1-18, 2020 , DOI: 10.3389/fbioe.2019.00485 |
| Determination and prediction of permeability across intestinal epithelial cell monolayer of a diverse range of industrial chemicals/drugs for estimation of oral absorption as a putative marker of hepatotoxicity Kamiya Y, Takaku H, Yamada R, Akase C, Abe Y, Sekiguchi Y, Murayama N, Shimizu M, Kitajima M, Shono F, Funatsu K, Yamazaki H Toxicol. Rep., 7, 149-154, 2020, DOI: 10.1016/j.toxrep.2020.01.004 |
| 人工知能による毒性予測の方法 庄野 文章 「人工知能を活用した研究開発の効率化と導入・実用化」, （株）技術情報協会, 2019年12月27日 |
| ラットおよびヒトの薬物動態パラメータ値推定に基づく食品成分の吸収と血中濃度予測 三浦 智徳, 神矢 佑輔, 北島 正人, 清水 万紀子, 庄野 文章, 船津 公人, 山崎 浩史 日本薬物動態学会 第34回年会 , つくば, 2019年12月9日-12日 |
| 毒性関連ビッグデータを用いた人工知能による次世代型安全性予測手法AI-SHIPSプロジェクトにおける毒性予測システム開発の方針と現状 船津 公人 第32回 日本実験動物代替法学会, つくば, 2019年11月21日 |
| 経済産業省研究開発事業毒性関連ビッグデータを用いた人工知能による次世代型安全性予測手法開発プロジェクト（AI-SHIPSプロジェクト） 船津 公人, 金地 隆志, 庄野 文章, 植沢 芳広 情報計算化学生物学会（CBI学会） 2019年大会, 東京, 2019年10月 |
| High-performance prediction models utilizing a novel deep learning-based QSAR analysis using Deep Snap and the Tox21 10k library 松坂 恭成、植沢 芳広 情報計算化学生物学会（CBI学会） 2019年大会, 東京, 2019年10月 |
| Extrapolation of Hepatic Concentrations of Industrial Chemicals Using Pharmacokinetic Models to Predict Hepatotoxicity Yamazaki H, Kamiya Y Toxicol. Res., 35(4), 295-301,2019, DOI: 10.5487/TR.2019.35.4.295 |
| Prediction Model with High-Performance Constitutive Androstane Receptor(CAR) Using DeepSnap-Deep Learning Approach from the Tox21 10K CompoundLibrary Matsuzaka Y, Uesawa Y Int. J. Mol. Sci., 20(19), 4855, 2019, DOI: 10.3390/ijms20194855 |
| ヒト健康リスク評価のためのQSAR研究の課題 竹下 潤一 第25回 日本環境毒性学会研究発表会 招待講演, つくば, 2019年9月27日 |
| 毒性関連ビッグデータを用いた人工知能による次世代型安全性予測手法開発にむけて 船津 公人 ケミカルマテリアルJapan2019化学物質管理ミーティング , 横浜, 2019年9月19日 |
| 国内外の計算科学的手法を用いる毒性予測手法開発の現状と課題 庄野 文章 ケミカルマテリアルJapan2019化学物質管理ミーティング , 横浜, 2019年9月19日 |
| Human plasma and liver concentrations of styrene estimated by combining a simple physiologically based pharmacokinetic model with rodent data Miura T, Uehara S, Nakazato M, Kusama T, Toda A, Kamiya Y, Murayama N, Shimizu M, Suemizu H, Yamazaki H J. Toxicol. Sci., 44(8), 543-548, 2019, DOI: 10.2131/jts.44.543 |
| 毒性関連ビッグデータを用いた毒性予測システム（AI-SHIPS）の構築に向けて 庄野 文章 ILSI（国際生命科学研究機構誌）JAPAN, 139, 29, 2019 |
| シンポジウム 化学物質開発を推進するインシリコ毒性予測手法の開発 A-SHIPS プロジェクトの推進と展望 庄野 文章 第46回 日本毒性学会学術年会, 徳島, 2019年6月26日 |
| シンポジウム 化学物質開発を推進するインシリコ毒性予測手法の開発 A-SHIPS プロジェクトにおける毒性予測手法開発の方針と現状 船津 公人 第46回 日本毒性学会学術年会, 徳島, 2019年6月26日 |
| 肝毒性予測のため薬物動態モデル 山崎 浩史 第46回 日本毒性学会学術年会, 徳島, 2019年6月, DOI: 10.14869/toxpt.46.1.0_S1-5 |
| インビトロ試験を利用した肝毒性評価とそのインシリコ予測モデル開発への応用 吉成 浩一 第46回 日本毒性学会学術年会, 徳島, 2019年6月26日, DOI: 10.14869/toxpt.46.1.0_S1-4 |
| Predictability of human pharmacokinetics of diisononyl phthalate (DINP) using chimeric mice with humanized liver. Iwata H, Goto M, Sakai N, Suemizu H, Yamazaki H Xenobiotica, 49(11), 1311-1322, 2019, DOI: 10.1080/00498254.2018.1564087 |
| 毒性関連ビッグデータを用いたAI-SHIPS（人工知能による次世代型安全性予測手法）開発に向けて 庄野 文章 化成品工業協会・関西化学工業協会セミナー「AI-SHIPS 説明会」, 大阪, 2019年6月3日 |
| AI-SHIPS とは何か～その仕組みと法規制対応におけるメリット、日本の産業界に与える影響 庄野 文章 月刊 化学物質管理, 3(11), 4-15, 2019 |
| Quantitative Structure-Activity Relationship (QSAR) analysis using deep learning based on Deep Snap, a novel molecular image input technique 松坂 恭成、植沢 芳広 第2回 CBI若手の会講演会, 東京, 2019年5月 |
| Optimization of a Deep-Learning Method Based on the Classification of Images Generated by Parameterized Deep Snap, a Novel Molecular-Image-Input Technique for Quantitative Structure–Activity Relationship (QSAR) Analysis Matsuzaka Y, Uesawa Y Front. Bioeng. Biotechnol., 7(65), 1-15, 2019, DOI: 10.3389/fbioe.2019.00065 |
| 創薬の新しい潮流を探るーケモインフォマティックスによる化学物質の安全性・毒性予測 AI-SHIPS プロジェクトの概要 船津 公人 創薬技術調査報告書, p.56, 2019年3月 |
| 毒性関連ビッグデータを用いたAI-SHIPS（人工知能による次世代型安全性予測手法）開発に向けて 庄野 文章 化成品工業協会「AI-SHIPS 説明会」, 東京, 2019年2月27日 |
| Steady-state human pharmacokinetics of monobutyl phthalate predicted by physiologically based pharmacokinetic modeling using single-dose data from humanized-liver mice orally administered with dibutyl phthalate Miura T, Uehara S, Mizuno S, Yoshizawa M, Murayama N, Kamiya Y, Shimizu M, Suemizu H, Yamazaki H Chem. Res. Toxicol., 32(2), 333-340, 2019, DOI: 10.1021/acs.chemrestox.8b00361 |
| 毒性関連ビッグデータを用いた化学物質の 安全性予測（AI-SHIPSプロジェクト） －動物実験の代替／試験コストの削減／開発期間の短縮－ 船津 公人 日本化学会情報化学部会誌, 36(3), 43-46, 2018, DOI: 10.11546/cicsj.36.43 |
| Plasma and hepatic concentrations of chemicals after virtual oral administrations extrapolated using rat plasma data and simple physiologically based pharmacokinetic models Kamiya Y, Otsuka S, Miura T, Takaku H, Yamada R, Nakazato M, Nakamura H, Mizuno S, Shono F, Funatsu K, Yamazaki H Chem. Res. Toxicol., 32(1), 211-218, 2019, DOI: 10.1021/acs.chemrestox.8b00307 |
| AI-SHIPSプロジェクトの概要 その推進と今後の展開について 庄野 文章 ILSI（国際生命科学研究機構）食品安全研究会【食品リスク研究部会】 , 東京, 2018年12月13日 |
| 毒性関連ビッグデータを用いた化学物質の安全性予測 船津 公人 月刊 MATERIALSTAGE 技術情報協会, 2018年12月号巻頭 |
| 動物実験削減の切り札 AI-SHIPS 船津 公人, 庄野 文章 化学工業日報, 2018年12月6日 |
| AI-SHIPS概要 船津 公人 AI-SHIPS 国際シンポジウム～ In Silicoによる毒性予測手法開発の最前線 ～, 東京, 2018年11月9日 |
| AI-SHIPSにおけるADME/PBPKの取り組み 山崎 浩史 AI-SHIPS 国際シンポジウム～ In Silicoによる毒性予測手法開発の最前線 ～, 東京, 2018年11月9日 |
| 発現機序に基づく肝毒性予測インシリコシステムの開発におけるインビトロ試験の活用 吉成 浩一 AI-SHIPS 国際シンポジウム～ In Silicoによる毒性予測手法開発の最前線 ～, 東京, 2018年11月9日 |
| 発現機序に基づく毒性予測インシリコシステム開発のためのデータベースについて 竹下 潤一 AI-SHIPS 国際シンポジウム～ In Silicoによる毒性予測手法開発の最前線 ～, 東京, 2018年11月9日 |
| Overview of AI-SHIPS Project 船津 公人 Tokyo AI-SHIPS International Symposium “The front line of development of in silico toxicity prediction system”, Tokyo, Japan, Nov. 2018, 東京, 2018年11月9日 |
| A physiologically based pharmacokinetic model to predict chemical concentrationsin livers after virtual oral doses 山崎 浩史 Tokyo AI-SHIPS International Symposium “The front line of development of in silico toxicity prediction system”, Tokyo, Japan, Nov. 2018, 東京, 2018年11月 |
| Application of in vitro assays to development of mechanism-based in silico prediction system of hepatotoxicity 吉成 浩一 Tokyo AI-SHIPS International Symposium “The front line of development of in silico toxicity prediction system”, Tokyo, Japan, Nov. 2018, 東京, 2018年11月9日 |
| Construction of a database contributing to development of mechanism-based insilico toxicity prediction system 竹下 潤一 東京, 2018年11月9日 |
| Quantitative Structure-Activity Relationship (QSAR) analysis using deep learning based on Deep Snap, a novel molecular image input technique 松坂 恭成、植沢 芳広 情報計算化学生物学会（CBI学会） 2018年大会, 東京, 2018年10月 |
| CBI学会2018年大会 ポスター賞 松坂 恭成、植沢 芳広 情報計算化学生物学会（CBI学会） 2018年大会, 東京, 2018年10月 |
| 毒性関連ビッグデータを用いた人工知能による次世代型安全性予測手法開発プロジェクト（AI-SHIPSプロジェクト） 船津 公人, 山崎 浩史, 吉成 浩一 情報計算化学生物学会（CBI学会） 2018年大会, 東京, 2018年10月 |
| 毒性関連ビッグデータを用いた人工知能による次世代型安全性予測手法（AI-SHIPS）の開発 船津 公人, 庄野 文章 第45回 日本毒性学会学術年会, 大阪, 2018年7月18日 |
| 次世代型安全性予測手法「AI-SHIPS」勝てる材料 効果的に 船津 公人 化学工業日報, 2018年6月25日 |
| Suitable albumin concentrations for enhanced drug oxidation activities mediated by human liver microsomal cytochrome P450 2C9 and other forms predicted with unbound fractions and partition/distribution coefficients of model substrates Shimura K, Murayama N, Tanaka S, Onozeki S, Yamazaki H Xenobiotica, 49(5), 557-562, 2018, DOI: 10.1080/00498254.2018.1482576 |
| Human plasma concentrations of trimethylamine N-oxide extrapolated using pharmacokinetic modeling based on metabolic profiles of deuterium-labeled trimethylamine in humanized-liver mice Shimizu M, Suemizu H, Mizuno S, Kusama T, Miura T, Uehara S, Yamazaki H J. Toxicol. Sci., 43(6), 387-393, 2018, DOI: 10.2131/jts.43.387 |
| Association of pharmacokinetic profiles of lenalidomide in human plasma simulated using pharmacokinetic data in humanized-liver mice with liver toxicity detected by human serum albumin RNA Murayama N, Suemizu H, Uehara S, Kusama T, Mitsui M, Kamiya Y, Shimizu M, Guengerich FP, Yamazaki H J. Toxicol. Sci., 43(6), 369-375, 2018, DOI: 10.2131/jts.43.369 |
| Human urinary concentrations of monoisononyl phthalate estimated using physiologically based pharmacokinetic modeling and experimental pharmacokinetics in humanized-liver mice orally administered with diisononyl phthalate. Miura T, Suemizu H, Goto M, Sakai N, Iwata H, Shimizu M, Yamazaki H Xenobiotica, 49(5), 513-520, 2019, DOI: 10.1080/00498254.2018.1471753 |
| フォーカストセッション「計算毒性学と人工知能（２）毒性関連ビッグデータを用いた人工知能による次世代型安全性予測手法開発プロジェクト（AI-SHIPSプロジェクト） 庄野 文章、福西 快文, 山本 真司 情報計算化学生物学会（CBI学会） 2017年大会, 東京, 2017年10月5日 |
| フォーカストセッション「計算毒性学と人工知能（１）－計算毒性学における人工知能の基本。過去、現在そして今後－ 福原 和邦 情報計算化学生物学会（CBI学会） 2017年大会, 東京, 2017年10月3日 |
| 毒性関連ビッグデータを用いた人工知能による次世代型安全性予測手法開発にむけて 船津 公人 2017年 日本化学工業協会 LRI研究報告会 シンポジウム, 東京, 2017年8月25日 |
| 毒性関連ビッグデータを用いた人工知能による次世代型安全性予測手法開発にむけて 庄野 文章 化学物質管理ミーティング2017, 横浜, 2017年8月24日 |
