データ
セキュリティ
×AI活用
自社のデータを社外に持ち出さずにAI活用する。厳密なデータセキュリティと、高度なAIモデルの開発・運用の両立を実現するSaaS。
機密データを社外に持ち出さず最先端モデルで分析
データと知財を
リスクに晒さない
自社のデータや知財は自社で守り、社外に出さない。それと同時に、データサイエンティスト不在でも高度なAI活用を実現する。今まで、分析のためにデータを社外に持ち出すことは、セキュリティ上のリスクから難しい課題でした。Saltonは、機密データを社外に持ち出すことなく、高度な機械学習・深層学習モデルを活用したデータ分析を、誰もが迅速かつ安全に実行できるプラットフォームです。
社内のデータ人材不足
非データサイエンティストでもGUIでデータ分析したい
データ検索の高度化
必要なデータを簡単に見つけ出したい
データの社外持ち出し
社内のデータガバナンス・セキュリティに対応したい
特化した高度分析モデル
目的に応じた最先端、高精度な分析モデルを使いたい
創薬AIプラットフォーム
ターゲット選定
公開遺伝子発現DBや社内実験データ（RNA-Seq等）を活用し、遺伝子・タンパク質の疾患関連性を網羅的に解析。遺伝子発現プロファイル、PPIネットワーク、文献情報を統合し、有望な創薬標的を効率的に同定します。従来統計解析に加え、遺伝子間相互作用をモデル化できる機械学習（DL、GNN等）で高精度な予測を実現します。
-
遺伝子発現解析モデル
-
ネットワーク解析・グラフ解析
-
テキストマイニング・自然言語処理
リード化合物探索
化合物ライブラリ、HTS/アッセイ結果、タンパク質構造情報を活用。仮想スクリーニング（QSAR、ドッキング予測DL）や生成モデル(VAE, GAN)で、活性・物性を最適化した新規構造を提案。また細胞画像等のDL学習で表現型ベースの有望化合物選定も可能。従来HTSやドッキング、類似化合物探索比で効率・確度向上。
-
仮想スクリーニングモデル
-
生成モデルによる探索
-
フェノタイプベース予測モデル
リード化合物最適化
リード類縁体のQSARモデル(GNN, ChemBERTa等)で活性・ADMET予測。多目的最適化(強化学習等)で複数指標を同時改善。SBDD支援(結合ポーズ予測、ΔG推定)も活用。実験データ,複合体構造,過去プロの履歴が重要。従来の手作業設計, SBDD, 反復合成&評価に比べ、効率・網羅性が高い。
-
QSARモデル
-
多目的最適化モデル
-
構造化ベース最適化のサポートモデル
導入支援・PoC
PoC（Proof of Concept）は、新しいアイデアや技術の実現可能性を検証するためのプロセスです。ご利用にあたっては、導入前にPoCにてリスク懸念点の解消と、価値検証・品質検証を行っていただいております。PoCの第一段階につきましては費用が掛かりませんので、まずはお気軽にお問い合わせ、お取り組みいただけましたら幸いです。
また、社内のSalton導入検討部署にデータサイエンティストがいらっしゃらなくても、弊社にて導入のご支援をいたしますのでご心配は不要です。
現状のデータ活用状況や課題、そして将来的な目標についてヒアリング。その上で、今回のPoCで検証すべき要件や、クリアすべきリスクを明確にしていきます。この時点では費用は発生いたしません。
テスト環境または小規模な実際の環境にて、データ分析の実行をします。どのようなデータ分析が、どのようなフローで実現でき、それがどのような成果につながりそうかという検証を行います。
大規模に導入した際の費用と、削減されるコストや時間、得られる成果の試算を行います。導入に必要なリソースやスケジュール、リスクを洗い出し、導入計画を策定します。