JpTxGNN - Japan: Drug Repurposing Predictions

本專案由 藥提醒科技有限公司（yao.care）開發與維運。 JpTxGNN 站台：https://jptxgnn.yao.care/｜產品總覽：https://www.yao.care/medical/txgnn/

Japan PMDA承認医薬品のTxGNNモデルによるドラッグリポジショニング予測。

免責事項

• 本プロジェクトの結果は研究目的のみであり、医療アドバイスを構成するものではありません。
• ドラッグリポジショニング候補は、適用前に臨床検証が必要です。

プロジェクト概要

レポート統計

項目	数量
医薬品レポート	385
予測総数	13,479,854
ユニーク医薬品数	470
ユニーク適応症数	17,041
DDIデータ	160,235
FHIRリソース	529 MK / 2,400 CUD

エビデンスレベル分布

エビデンスレベル	レポート数	説明
L1	2	複数のPhase 3 RCT
L2	15	単一RCTまたは複数のPhase 2
L3	10	観察研究
L4	14	前臨床/メカニズム研究
L5	255	計算予測のみ
N/A	89	既知の用途のみ（新規予測なし）

ソース別

ソース	予測数
DL	13,476,908
KG + DL	2,555
KG	391

信頼度別

信頼度	予測数
very_high	1,940
high	647,079
medium	1,203,776
low	11,627,059

---

予測方法

方法	速度	精度	要件
知識グラフ	高速（秒単位）	低い	特別な要件なし
ディープラーニング	低速（時間単位）	高い	Conda + PyTorch + DGL

知識グラフ方法

uv run python scripts/run_kg_prediction.py

指標	値
PMDA 医薬品総数	19,148
リポジショニング候補	2,946

ディープラーニング方法

conda activate txgnn
PYTHONPATH=src python -m jptxgnn.predict.txgnn_model

指標	値
DL予測総数	836,080
ユニーク医薬品数	470
ユニーク適応症数	17,041

スコア解釈

TxGNNスコアは、医薬品-疾患ペアに対するモデルの信頼度を表し、0から1の範囲です。

閾値	意味
>= 0.9	非常に高い信頼度
>= 0.7	高い信頼度
>= 0.5	中程度の信頼度

スコア分布

閾値	意味
≥ 0.9999	極めて高い信頼度、モデルの最も確信のある予測
≥ 0.99	非常に高い信頼度、検証の優先順位付けに値する
≥ 0.9	高い信頼度
≥ 0.5	中程度の信頼度（シグモイド決定境界）

エビデンスレベルの定義

レベル	定義	臨床的意義
L1	第3相RCTまたはシステマティックレビュー	臨床使用を支持できる
L2	第2相RCT	使用を検討できる
L3	第1相または観察研究	更なる評価が必要
L4	症例報告または前臨床研究	まだ推奨されない
L5	計算予測のみ、臨床エビデンスなし	更なる研究が必要

重要な注意事項

1. 高スコアは臨床的有効性を保証しません：TxGNNスコアは知識グラフベースの予測であり、臨床試験による検証が必要です。
2. 低スコアは無効を意味しません：モデルが特定の関連性を学習していない可能性があります。
3. 検証パイプラインとの併用を推奨：本プロジェクトのツールを使用して、臨床試験、文献、その他のエビデンスを確認してください。

検証パイプライン

flowchart TD
    A["TxGNN予測結果"] --> B
    subgraph B["Step 1: DrugBundle Collector"]
        B1["医薬品レベル: PMDA, DDI, DrugBank"]
        B2["適応症レベル: ClinicalTrials, PubMed, ICTRP"]
    end
    B --> |"drug_bundle.json"| C
    subgraph C["Step 2: Evidence Pack Generator"]
        C1["プログラマティックデータ転送 (100%)"]
        C2["+ LLM 分析 (L1-L5)"]
    end
    C --> |"drug_evidence_pack.json/md"| D
    subgraph D["Step 3: Notes Writer"]
        D1["drug_pharmacist_notes.md"]
        D2["drug_sponsor_notes.md"]
    end

---

クイックスタート

ステップ 1: データのダウンロード

ファイル	ダウンロード
PMDA データ	データソース
node.csv	Harvard Dataverse
kg.csv	Harvard Dataverse
edges.csv	Harvard Dataverse
model_ckpt.zip	Google Drive

ステップ 2: 依存関係のインストール

uv sync

ステップ 3: 医薬品データの処理

uv run python scripts/process_fda_data.py

ステップ 4: 語彙データの準備

uv run python scripts/prepare_external_data.py

ステップ 5: 知識グラフ予測の実行

uv run python scripts/run_kg_prediction.py

ステップ 6: ディープラーニング環境のセットアップ

conda create -n txgnn python=3.11 -y
conda activate txgnn
pip install torch==2.2.2 torchvision==0.17.2
pip install dgl==1.1.3
pip install git+https://github.com/mims-harvard/TxGNN.git
pip install pandas tqdm pyyaml pydantic ogb

ステップ 7: ディープラーニング予測の実行

conda activate txgnn
PYTHONPATH=src python -m jptxgnn.predict.txgnn_model

---

リソース

TxGNN コア

• TxGNN Paper - Nature Medicine, 2024
• TxGNN GitHub
• TxGNN Explorer

データソース

カテゴリ	データ	ソース	備考
医薬品データ	PMDA	-	Japan
知識グラフ	TxGNN KG	Harvard Dataverse	17,080 diseases, 7,957 drugs
医薬品データベース	DrugBank	DrugBank	医薬品成分マッピング
薬物相互作用	DDInter	DDInter	DDIペア
薬物相互作用	Guide to PHARMACOLOGY	IUPHAR/BPS	承認薬の薬物–標的データ（相互作用ではない）
臨床試験	ClinicalTrials.gov	CT.gov API v2	臨床試験登録
臨床試験	WHO ICTRP	ICTRP API	国際臨床試験プラットフォーム
文献	PubMed	NCBI E-utilities	医学文献検索
名称マッピング	RxNorm	RxNav API	医薬品名標準化ブリッジ
名称マッピング	PubChem	PUG-REST API	化学物質同義語検索
名称マッピング	ChEMBL

モデルダウンロード

ファイル	ダウンロード	備考
事前学習済みモデル	Google Drive	model_ckpt.zip
node.csv	Harvard Dataverse	ノードデータ
kg.csv	Harvard Dataverse	知識グラフデータ
edges.csv	Harvard Dataverse	エッジデータ（DL用）

プロジェクト紹介

ディレクトリ構造

JpTxGNN/
├── README.md
├── CLAUDE.md
├── pyproject.toml
│
├── config/
│   └── fields.yaml
│
├── data/
│   ├── kg.csv
│   ├── node.csv
│   ├── edges.csv
│   ├── raw/
│   ├── external/
│   ├── processed/
│   │   ├── drug_mapping.csv
│   │   ├── repurposing_candidates.csv
│   │   ├── txgnn_dl_predictions.csv.gz
│   │   └── integration_stats.json
│   ├── bundles/
│   └── collected/
│
├── src/jptxgnn/
│   ├── data/
│   │   └── loader.py
│   ├── mapping/
│   │   ├── normalizer.py
│   │   ├── drugbank_mapper.py
│   │   └── disease_mapper.py
│   ├── predict/
│   │   ├── repurposing.py
│   │   └── txgnn_model.py
│   ├── collectors/
│   └── paths.py
│
├── scripts/
│   ├── process_fda_data.py
│   ├── prepare_external_data.py
│   ├── run_kg_prediction.py
│   └── integrate_predictions.py
│
├── docs/
│   ├── _drugs/
│   ├── fhir/
│   │   ├── MedicationKnowledge/
│   │   └── ClinicalUseDefinition/
│   └── smart/
│
├── model_ckpt/
└── tests/

凡例: 🔵 プロジェクト開発 | 🟢 ローカルデータ | 🟡 TxGNNデータ | 🟠 検証パイプライン

データフロー

flowchart TD
    FDA["PMDA データ"] --> proc["process_fda_data.py"]
    TxGNN["TxGNN データ"] --> prep["prepare_external_data.py"]

    proc --> json["jp_fda_drugs.json"]
    prep --> ext["data/external/"]

    json --> norm["normalizer.py"]
    ext --> norm

    norm --> drug_map["drug_mapping.csv"]
    drug_map --> ind_map["indication_mapping.csv"]

    ind_map --> KG["知識グラフ"]
    ind_map --> DL["ディープラーニング"]

    KG --> kg_out["repurposing_candidates.csv"]
    DL --> dl_out["txgnn_dl_predictions.csv"]

---

引用

このデータセットまたはソフトウェアを使用する場合は、以下を引用してください：

@software{jptxgnn2026,
  author       = {Yao.Care},
  title        = {JpTxGNN: Drug Repurposing Validation Reports for Japan PMDA Drugs},
  year         = 2026,
  publisher    = {GitHub},
  url          = {https://github.com/yao-care/JpTxGNN}
}

TxGNNの原著論文も引用してください：

@article{huang2023txgnn,
  title={A foundation model for clinician-centered drug repurposing},
  author={Huang, Kexin and Chandak, Payal and Wang, Qianwen and Haber, Shreyas and Zitnik, Marinka},
  journal={Nature Medicine},
  year={2024},
  doi={10.1038/s41591-024-03233-x}
}

維運：資料還原與許可證更新

完整還原

git 只放程式碼與網站頁面；許可證原始資料、證據包、藥師報告原稿、預測結果放在本 repo 的 Release。

git clone https://github.com/yao-care/jptxgnn.git && cd jptxgnn
uv sync                                  # Python 相依套件
bash scripts/restore_data.sh             # 取最新的 data-* Release，還原 data/（含校驗）
bash scripts/restore_data.sh --with-kg   # 另加共用知識圖譜與預測模型（只有重跑預測才需要）

需要 GitHub CLI（gh auth login）與 uv。

改頁工具鏈

事實層、checker、許可證狀態計算等放在 tools/txgnn/.claude/，是母 repo yao-care/txgnn 的 .claude/ 複本（版本見 tools/txgnn/VERSION）。 規則要改請改母 repo，再用 python3 .claude/sync_site_tools.py JpTxGNN 同步過來，不要直接改這裡的複本。 在本 repo 單獨使用時，先組工作目錄：

WS=$(bash scripts/txgnn_ws.sh)
cd "$WS"
python3 .claude/dump_license_facts_20261021.py JpTxGNN       # 依證據包算市場狀態（checker 要用）
python3 .claude/checker_trend.py --no-append JpTxGNN           # 全部藥物頁 checker，必須「非 0 0」

許可證排程更新（GitHub Actions）

.github/workflows/license-refresh.yml 每週一 UTC 03:17 自動執行，也可以在 Actions 頁手動觸發（可選只試跑）：

1. 從 Release 還原 data/（scripts/restore_data.sh）
2. 從主管機關下載最新許可證資料（scripts/license_adapter.py），檢查筆數與格式
3. 更新證據包的許可證狀態 → 重算市場狀態 → 同步許可證表 → 事實層改頁 → checker 全量必須 0 → 衍生檔 → gate
4. 全部通過才推上 main 並觸發部署；更新後的 data/ 另存成新的 data-YYYYMMDD Release

以下情況一律不推、自動開 issue（label license-refresh）：下載失敗或格式改變、狀態變動超過兩成、 改到的藥物頁超過 min(200, 5%)、checker／gate／h1 沒過、有人工查核紀錄的頁會被改到。全程不使用 AI。