JP4632660B2 - 昆虫内の化学物質の薬物動態的振舞を計算するためのコンピュータシステムおよび方法 - Google Patents

Description

本発明は、生理学的モデルに基づいて昆虫内の化学物質の薬物動態的振舞を計算するためのコンピュータシステム、対応する方法、およびコンピュータプログラムプロダクトに関する。

従来技術として哺乳類の生理学的に基づいたモデルが多数知られている（非特許文献１参照。）。さらに、従来技術としてイモムシの生理学に基づいたモデルがある（非特許文献２参照。）。この場合、昆虫は、の個々の器官をそれぞれ表す区画を用いて記述される。個々の区画の「相互作用」は、イモムシに関する公知の生理機能から得られる。このモデルの重要なパラメータは、分配速度を決定する区画間の質量輸送に対するレート係数、および、器官と哺乳類の血流に対応する血リンパとの間の、熱力学的平衡における濃度比を与える器官分配係数である。

こうした区画によるモデルを用いて、実験により決定されたある物質の薬物動態プロフィールを、レート係数および分配係数をマッチングさせることで過去にさかのぼって記述することは公知である（例えば、非特許文献３および４参照。）。
チャーニック（Charnick）その他、ジェー・ファーマコキン・ビオファーム（J.Pharmacokin. Biopharm.） 23, 217 (1995) グリーンウッド（Greenwood）その他、ペスティック・サイ（Pestic. Sci.） 30, 97 (1990) ラガディック（Lagadic）その他、ペスティック・バイオケム・フィシオル（Pestic. Biochem. Physiol.） 45, 105 (1993) ラガディック（Lagadic）その他、ペスティック・バイオケム・フィシオル（Pestic. Biochem. Physiol.） 48, 173 (1994)

そこで、本発明は、昆虫内の化学物質の薬物動態的振舞を予測するコンピュータシステム、対応する方法、およびコンピュータプログラムプロダクトを提供することを目的とする。

本発明は、昆虫内の化学物質の薬物動態的振舞の予測値を特に効率的に計算することを可能にする。本発明は特に、物理化学パラメータに基づいて昆虫内の化学物質の吸収、分配、および排泄の評価を可能にする。

この目的のため、昆虫の生理学に基づく薬物動態シミュレーションモデルを用いて、昆虫の区画内の化学物質の濃度／時間プロフィールを予測する。シミュレーションモデルは、調査すべき物質に依存するパラメータを少なくとも一つ含む。シミュレーションモデルの一つまたはそれ以上のパラメータは、特定の物質に対して、該物質の一つまたはそれ以上の物理化学特性に基づいて予測される。

こうした物理化学パラメータは、例えば、水と燐脂質膜との間の分配係数またはオクタノール／水分配係数により記述される物質の脂肪親和性、分子量、あるいは溶解度である。物質の関連する物理化学パラメータは、直接実験により決定したり、あるいは、ＱＳＡＲ（Quantitative Structure Activity Relations)やニューラルネットワークなど公知の方法を用いて物質の化学構造の記述子から直接決定できる。

後者の場合、本発明の方法を用いて、仮想物質すなわちまだ合成されていない物質でさえ、昆虫におけるその吸収特性および分配特性を考慮することで評価できる。さらに、物理化学特性と薬物動態特性との間に確立した関係に基づいて、殺虫剤物質の最適化のための一般基準を導くことができる。

本発明に係る好適な実施形態では、区画間の質量輸送のレート係数は、物質に対する区画の透過性と区画の有効表面積の積に比例し、シミュレーションモデルの物質依存パラメータとして用いられる。したがって、シミュレーションモデルの各区画に対し、物質に対する関連区画の透過性および関連区画の有効表面積を含む物質依存パラメータがあるのが好適である。透過係数は、細胞膜を通る物質のフラックスを記述する量である。

特に有利な点は、物質の物理化学特性に基づいてシミュレーションモデル用のパラメータを決定するために、さらなる実験的研究が不要であることであることよりもむしろ、さらに物質の物理化学特性に基づいて一つまたはそれ以上のパラメータを決定できることである。この決定は、予め種々のテスト物質に対し実験で決定されたデータベースに基づいて行われる。データベースには、テスト物質に対し実験で決定されたシミュレーションモデルの物質依存パラメータと、テスト物質の物理化学特性とが含まれる。このデータベースは、調査すべき物質に対して、物質依存の一つまたはそれ以上のパラメータを予測するのに用いられる。

本発明に係る好適な実施形態では、データベースから直線回帰により計算関数が得られる。例えば、計算関数は、脂肪親和性や分子量の関数である。したがって、調査すべき物質に対するシミュレーションモデル用パラメータを予測するために、調査すべき物質の脂肪親和性および分子量を計算関数を用いて評価する必要があるだけで、これによりパラメータを得ることができる。その結果、予測されたパラメータを用いて、昆虫内の物質の吸収および排泄中の濃度／時間プロフィールの具体的なシミュレーションを実行することができる。

代わりに、直線回帰により得られる計算関数を用いる代わりに、公知の予測方法を用いてもよい。

特に有利なことは、所定数のテスト物質に関するデータベースが一旦得られた後は、他の物質に関して薬物動態的振舞のシミュレーションを行うために、追加の実験が不要であることである。これは、潜在的な殺虫剤に用いられる「候補」を、その薬物動態的振舞の観点から高処理量で評価できることを可能にする。したがって、新しい殺虫剤の調査、開発、および最適化を大きな加速度で行うことが可能である。

以下、本発明に係る好適な実施形態を図面を参照して詳細に説明する。

図１はコンピュータシステム１００を示す。これは公知のパーソナルコンピュータ（ＰＣ）、ワークステーション、あるいはクライアント／サーバシステムが可能である。コンピュータシステム１００はシミュレーションモデル１０２を備える。これは、生理学に基づく昆虫の薬物動態モデルである。この目的のために、シミュレーションモデル１０２は、昆虫の区画を表し、したがって昆虫の区画内の物質に関する濃度／時間プロフィールの予測を可能にする。

シミュレーションモデル１０２は、記述すべき昆虫の種類にのみ依存する生理学的パラメータ１０４と、一つまたはそれ以上の物質依存パラメータ１０６とを含む。したがって、濃度／時間プロフィールのシミュレーション計算を実行するために、評価すべき物質に対する物質依存パラメータ１０６のパラメータ値を入力することが必要である。シミュレーションモデル１０２の一実施形態の例は、図３および４を参照して以下で詳述する。

コンピュータシステム１００はさらにデータバンク１０８を備える。データバンク１０８は、昆虫内のテスト物質の薬物動態的振舞の実験的研究に基づいて得られたデータベースを記憶するために用いられる。予め実験により調査された各テスト物質に対し、データバンク１０８には、関連するテスト物質に対し実験により決定された一つまたはそれ以上のパラメータ値と、関連するテスト物質の少なくとも一つの物理化学特性が含まれる。

データバンク１０８に記憶された上記データベースは、予測モジュール１１０において、新たに調査すべき物質に対するパラメータ値の予測のための基礎をなす。例えば、直線回帰法により、データバンク１０８に記憶されたデータベースから計算規則が得られる。この規則は、調査すべき物質の物理化学特性、例えば脂肪親和性や分子量から、シミュレーションモデル１０２を用いてシミュレーションを実行するのに必要な物質依存パラメータ値を獲得することを可能とする。

コンピュータシステム１００はさらに、調査すべき物質の物理化学特性を入力するための入力／出力モジュール１１２を備える。シミュレーションされた濃度／時間プロフィールはさらに、入力／出力モジュール１１２を介して出力される。

入力／出力モジュール１１２は、現実に存在する物質または例えば潜在的な殺虫剤など仮想の物質の記述子とそれらの物理化学特性とを含むデータバンクに接続してもよい。合成されていない仮想の物質の場合、コンピュータシステム１００への入力に必要な物理化学特性を、例えばＱＳＡＲやニューラルネットワークなど公知の方法を用いてテスト物質の化学構造の記述子から直接決定してもよい。仮想物質の場合、物理化学特性の代わりに、記述子を入力／出力モジュール１１２を介して入力してもよい。この場合、物理化学特性は、記述子に基づいて、予測モジュール１１０用の入力値としてコンピュータシステム１００自体において決定される。

シミュレーション結果は、入力／出力モジュール１１２を介して例えばデータバンクに入力され、これによりシミュレーション結果を後で評価できるようにする。

図２は対応するフローチャートを示す。ステップ２００で、調査すべき物質の物理化学特性を入力する。物理化学特性は、例えば、物質の脂肪親和性や分子量である。

ステップ２０２で、物質に対するシミュレーションモデルの物質依存パラメータのパラメータ値を、評価すべき物質の物理化学特性をベースにしたデータベースを基礎として計算する。このデータベースには、種々のテスト物質に対して予め実験により決定したパラメータ値が含まれる。この計算はステップ２０２で実行される。

ステップ２０４で、ステップ２０２で計算されたパラメータをシミュレーションモデルに入力する。続いて、シミュレーションモデルにおいて、昆虫の区画内での調査すべき物質の濃度／時間プロフィールの計算を行う。ステップ２０６で、この濃度／時間プロフィールを出力し、評価が可能となる。

パラメータ値の予測用にできる限り意味のあるデータベースを決定するために、実験的にデータベースを決定するのに用いられるテスト物質は、化学的にできるだけ多様であるのが有利である。パラメータ値を予測すべき調査対象となる新しい物質は、テスト物質により表されるテスト空間内にあるのが好ましい。

図３は、例として、イモムシ用の生理学的モデルを示す。この生理学的モデルは、Greenwoodらにより与えられるモデルに基づいている（上の記載参照）。

モデルはイモムシの次の８つの区画を含む。血リンパ（ｈｌ）３００、脂肪体（ｆｂ）３０２、筋肉（ｍｓ）３０４、クチクラ表面（ｃｓ）３０６、クチクラ（ｃ）３０８、内臓壁（ｇｗ）３１０、内臓中身（ｇｃ）３１２、神経束（ｎｃ）３１４。評価すべき物質は、クチクラ３０８を介して局所的、あるいは、内臓を介した経口または直接注射を介して血リンパ３００内に投与される。

血リンパ３００は、哺乳類の血と同様、種々の器官の間の主要輸送相(phase)として機能する。

代謝は、クチクラ３０８でレートｋｃ、血リンパ３００でレートｋｈｌ、内蔵壁３１０でレートｋｇｗで行われる。排泄はレートｋ_ｇｃで行われる。

血リンパ３００は、区画により記述されるイモムシ器官と接触状態にある自由に循環する液体としてモデル化される。区画間の輸送プロセスは、受動拡散により、レートを制限するステップとしての膜の透過とともに行われる。区画間の質量輸送のレート係数λ_ｘは、透過率と表面積の積Ｐ_ｘＡ_ｘおよび器官の容積Ｖ_ｘにより

として決定される。ここで、
Ｐ_ｘ 物質に対する器官Ｘの膜（壁）の透過率
Ａ_ｘ 器官Ｘの膜（壁）の表面積
ｃ クチクラ
ｍｕ 筋肉
ｆｂ 脂肪体
ｎｃ 神経束
ｇｗ 内蔵壁

この場合、平衡状態は、ｔ_ｘ>>Ｖ_ｘ／（Ｐ_ｘＡ_ｘ）経過後に到達する。この場合、平衡状態での周辺区画の濃度の比は、Ｋ_ｘ／ｈｌとして定義される血リンパに関連する分配係数Ｋ_ｘにより

として決定される。したがって、Ｋ_ｘは、平衡状態での血リンパと器官ｘとの間の物質の分配係数である。

加えて、クチクラ３０６の表面とクチクラの間の分配係数（Ｋ_ｃ／ｃｓ）、および、内蔵壁３１０と内臓中身の間の分配係数（Ｋ_{ｇｃ／ｇｗ}）は、既知である必要がある。

Greenwoodらによる８つの区画を有する既知モデルは、
種々の投与形態（血リンパに経口、局所、あるいは注射により行う）
食物通路を介した食物の「オープンループ」質量輸送
幼虫の成長による器官容積の時間依存性
を考慮して修正されている。

図３の生物物理モデルに基づいて、イモムシの各器官ｘに対し、質量平衡関係を、微分方程式により記述できる。このような質量平衡関係は、付録において、イモムシの器官に対し与えられている（式Ａ１〜Ａ８）。

イモムシの器官の質量平衡関係を使って薬物動態プロフィールを計算するには、計２３個のパラメータ値が既知である必要がある。それらは、
器官容積Ｖ_ｘ（８つのパラメータ値、および、幼虫成長によるそれらの時間変動を記述するための他のパラメータ値）
血リンパ３００と周辺区画（ｃ，ｍｕ，ｆｂ，ｎｃ，ｇｗ）との間の物質の分配係数Ｋ_ｘ
クチクラ表面とクチクラの間の分配係数、および、内臓壁と内臓中身の間の分配係数
評価すべき物質が代謝している場合におけるクチクラ、血リンパ、内臓壁の代謝レート定数
区画（ｃ，ｍｕ，ｆｂ，ｎｃ，ｇｗ）間の質量輸送に対するレート係数λ_ｘ＝［Ｐ_ｘＡ_ｘ］／Ｖ_ｘ
である。

分配係数、および、透過率−表面積の積したがってレート係数は、昆虫の生物学的パラメータ、および、評価すべき物質の物理化学特性に依存する。代謝レート定数も物質に特異的である。

器官容積は公知の方法により実験的に決定できる。血リンパと各器官ｘの間の物質の分配係数Ｋ_ｘは、次のように計算できる。

ここで、
Ｋ_fat＝平衡状態での水と脂肪の間の物質の分配係数（脂肪親和性）
Ｋ_protein＝平衡状態での水とタンパク質の間の物質の分配係数
ｆ_water,x＝区画ｘでの水の容量分率
ｆ_fat,x＝区画ｘでの脂肪の容量分率
ｆ_protein,x＝区画ｘでのタンパク質の容量分率

物質の膜親和力（ＭＡ）あるいは代わりにオクタノール／水分配係数（Ｋ_ｏ／ｗ）は、分配係数Ｋ_fatの概算値として用いることができる。分配係数Ｋ_proteinは、例えば、人間の血清アルブミンの結合定数（Ｋ_ｄ ^ＨＳＡ［ｍｍｏｌ］）とタンパク質の分子量（６５ｋＤａ）とから

と決定してもよい。

式３は、脂肪の分率およびタンパク質の分率を組み合わせることで一つの器官分率で

と簡単化できる。

区画間の質量輸送のレート定数は、レート定数を実験的な薬物動態データとマッチングし、テスト物質の物理化学特性と相関させることで、これらテスト物質に対し実験的に決定される。

近似的には、物質に対する透過係数Ｐは全ての器官ｘで同一、すなわち全ての器官ｘに対してＰｘ＝Ｐであると仮定できる。但し、クチクラを除く。さらに、Ｐは、物質の脂肪親和性（Ｋ_ｆａｔ＝ＭＡまたはＫ_ｆａｔ＝Ｋ_ｏ／ｗ、すなわちオクタノール／水分配係数）と膜拡散係数Ｄ_ｍｅｍとに比例している。

膜拡散係数の物質の分子量（ＭＷ）に対する依存度は、指数関係により

と記述される。

式６，７を結合して

とできる。ここで、αは定数である。等式１を用いて、区画間の質量輸送のレート定数は、以下のように表現できる。

この対数をとることにより

が得られる。

図４は、種々の区画に関して複数のテスト物質の分子量ＭＷに対するλ_ｘ／Ｋ_ｆａｔの２重対数を示す。図４はまた、測定点から直線回帰を用いて得られた最適適合直線を示す。

したがって、直線回帰により、実験的に決定されたデータベースから、傾斜ｓ_ｍｅｍおよび切片αＡ_ｘ／Ｖ_ｘを決定できる。これにより、新しい物質、しかも仮想の物質であっても、脂肪親和性（Ｋ_ｆａｔ）および分子量ＭＷのみに基づいて、量λ_ｘを計算することのできる計算規則が得られる。式８，９に基づいてＰ・Ａ_ｘが得られる。この物質依存パラメータ、並びに、平衡分配係数Ｋ_ｘすなわち式（３）と（５）のＫ_ｃ／ｃｓおよびＫ_{ｇｃ／ｇｗ}に基づいて、付録の等式系を例えば数値的に解くことができ、個々の区画における調査すべき物質の時間／濃度プロフィールが得られる。

（付録）
イモムシに対する薬物動態シミュレーションモデル用等式系

Ｃ_ｘ：区画ｘ内の物質の濃度
Ｖ_ｘ：区画ｘの容量；容量は、実験的に決定された関数にしたがって時間変化してもよい（Ｖ_ｘ（ｔ））
［ＰＡ］_ｘ：区画ｘの透過率と表面積の積
Ｋ_ｘ／ｙ：区画ｘとｙとの間の分配係数

Ｋ_ｘ：代謝に対するレート定数（ｘ＝ｃ，ｈｌ，ｇｗ）

本発明に係るコンピュータシステムの一実施形態のブロック図を示す。 本発明に係る方法の一実施形態のフローチャートを示す。 本発明に係るシミュレーションモデル用のベースとしての生理学に基づくイモムシのモデルを、物質依存のパラメータとともに示す。 計算関数を決定するために、直線回帰を実行するための図３のシミュレーションモデルに対して得られた新たなデータベースを示す。

符号の説明

１００ コンピュータシステム
１０２ シミュレーションモデル
１０４ 生理学的定数
１０６ 物質依存パラメータ
１０８ データベース
１１０ 予測モジュール
１１２ 入力／出力モジュール
３００ 血リンパ（ｈｌ）
３０２ 脂肪体（ｆｂ）
３０４ 筋肉（ｍｕ）
３０６ クチクラの表面（ｃｓ）
３０８ クチクラ（ｃ）
３１０ 内蔵壁（ｇｗ）
３１２ 内臓中身（ｇｃ）
３１４ 神経束（ｎｃ）

Claims (27)

1. 昆虫内の化学物質の薬物動態的振舞を計算するためのコンピュータシステムにおいて、
   昆虫の区画内の上記化学物質の濃度／時間プロフィールを予測するための生理学に基づいた薬物動態シミュレーションモデル（１０２）であって、上記物質に依存する少なくとも一つのパラメータを有するものと、
   上記物質の物理化学特性に基づいて上記少なくとも一つのパラメータを予測するための予測モジュール（１１０）と、
   を備えたコンピュータシステム。
2. 上記少なくとも一つのパラメータは、上記化学物質の上記昆虫の区画に対する透過率と上記区画の有効表面積との積であることを特徴とする請求項１のコンピュータシステム。
3. 上記少なくとも一つのパラメータは、区画間の質量輸送に対するレート係数（λ_ｘ＝Ｐ _ｘ Ａ_ｘ／Ｖ_ｘ）であり、上記昆虫の少なくとも一つの器官の容積は時間の関数（Ｖ_ｘ＝Ｖ_ｘ（ｔ））であることを特徴とする請求項１のコンピュータシステム。
4. 上記少なくとも一つのパラメータは、昆虫の器官と血リンパとの間の分配係数
   

   

   、クチクラの表面とクチクラとの間の分配係数（Ｋ_ｃ／ｃｓ）、あるいは、内臓壁と内臓中身との間の分配係数（Ｋ_{ｇｃ／ｇｗ}）であることを特徴とする請求項１のコンピュータシステム。
5. 上記物理化学特性は、上記物質の水と燐脂質膜の間の分配係数、オクタノール／水分配係数、分子量、溶解度、および／またはこれらパラメータの組み合わせであることを特徴とする請求項１のコンピュータシステム。
6. 上記物質の化学構造の記述子から上記物理化学特性を決定するＱＳＡＲモデルまたはニューラルネットワークを備えた請求項１のコンピュータシステム。
7. 上記予測モジュールは、テスト物質の物理化学特性およびこれらテスト物質に対し実験的に得られたパラメータを含むデータベース（１０８）に基づくことを特徴とする請求項１のコンピュータシステム。
8. 上記予測モジュールは、上記物質の脂肪親和性および／または分子量から上記少なくとも一つのパラメータの計算を行う計算関数を含むことを特徴とする請求項１のコンピュータシステム。
9. 上記計算関数は、実験的に得られたパラメータ値の直線回帰に基づくことを特徴とする請求項８のコンピュータシステム。
10. 昆虫の区画内の化学物質の濃度／時間プロフィールの予測を行うための生理学に基づく昆虫の薬物動態シミュレーションモデルであって、上記物質に依存する少なくとも一つのパラメータを有するものを用いた、昆虫内の化学物質の薬物動態的振舞を計算するための方法において、
    上記物質の物理化学特性を上記物質に対する上記少なくとも一つのパラメータを予測するための予測モジュールに入力する工程と、
    上記予測された少なくとも一つのパラメータに基づいて、上記化学物質の濃度／時間プロフィールの予測を行うシミュレーションモデルを用いてシミュレーションを実行する工程と、
    を含む方法。
11. 上記少なくとも一つのパラメータは、上記化学物質の上記昆虫の区画に対する透過率と上記区画の有効表面積との積であることを特徴とする請求項１０の方法。
12. 上記パラメータは、区画間の質量輸送に対するレート係数（λ_ｘ＝Ｐ_ｘＡ_ｘ／Ｖ_ｘ）であり、上記昆虫の少なくとも一つの器官の容積は時間の関数（Ｖ_ｘ＝Ｖ_ｘ（ｔ））であることを特徴とする請求項１０の方法。
13. 上記パラメータは、器官と血リンパとの間の分配係数
    

    

    、クチクラの表面とクチクラとの間の分配係数（Ｋ_ｃ／ｃｓ）、あるいは、内臓壁と内臓中身との間の分配係数（Ｋ_{ｇｃ／ｇｗ}）であることを特徴とする請求項１０の方法。
14. 上記物理化学特性は、上記物質の水と燐脂質膜の間の分配係数、オクタノール／水分配係数、分子量、溶解度、および／またはこれらパラメータの組み合わせであることを特徴とする請求項１０の方法。
15. 上記物理化学特性は、ＱＳＡＲモデルまたはニューラルネットワークにより決定されることを特徴とする請求項１０の方法。
16. 上記少なくとも一つのパラメータの予測は、テスト物質の物理化学特性およびこれらテスト物質に対し実験的に得られたパラメータを含むデータベース（１０８）に基づくことを特徴とする請求項１０の方法。
17. 上記少なくとも一つのパラメータの予測は、上記物質の脂肪親和性および／または分子量から計算関数を用いて行われることを特徴とする請求項１０の方法。
18. 上記計算関数は、実験的に得られたパラメータ値の直線回帰に基づくことを特徴とする請求項１７の方法。
19. 昆虫の区画内の化学物質の濃度／時間プロフィールを予測するための生理学に基づいた薬物動態シミュレーションモデルであって上記物質に依存する少なくとも一つのパラメータを有するものを用いて、上記化学物質の薬物動態的振舞の計算を行うためのプログラムを記憶したデジタル記憶媒体において、
    上記計算は、
    上記物質に対する上記少なくとも一つのパラメータを予測するための予測モジュールに上記物質の物理化学特性を入力する工程と、
    上記予測された少なくとも一つのパラメータに基づいて、上記化学物質の濃度／時間プロフィールの予測を行うシミュレーションモデルを用いてシミュレーションを実行する工程と、
    を含むことを特徴とするデジタル記憶媒体。
20. 上記少なくとも一つのパラメータは、上記化学物質の上記昆虫の区画に対する透過率と上記区画の有効表面積との積であることを特徴とする請求項１９のデジタル記憶媒体。
21. 上記少なくとも一つのパラメータは、区画間の質量輸送に対するレート係数（λ_ｘ＝Ｐ_ｘＡ_ｘ／Ｖ_ｘ）であり、上記昆虫の少なくとも一つの器官の容積（Ｖ_ｘ）は、時間の関数（Ｖ_ｘ＝Ｖ_ｘ（ｔ））であることを特徴とする請求項１９のデジタル記憶媒体。
22. 上記少なくとも一つのパラメータは、器官と血リンパとの間の分配係数
    

    

    、クチクラの表面とクチクラとの間の分配係数（Ｋ_ｃ／ｃｓ）、あるいは、内臓壁と内臓中身との間の分配係数（Ｋ_{ｇｃ／ｇｗ}）であることを特徴とする請求項１９のデジタル記憶媒体。
23. 上記物理化学特性は、上記物質の水と燐脂質膜の間の分配係数、オクタノール／水分配係数、分子量、溶解度、および／またはこれらパラメータの組み合わせであることを特徴とする請求項１９のデジタル記憶媒体。
24. 上記プログラムとは別にあるいは該プログラムの一部として、上記物質の化学構造の記述子から上記物理化学特性を決定するＱＳＡＲモデルまたはニューラルネットワークをさらに備えた請求項１９のデジタル記憶媒体。
25. 上記予測モジュールは、テスト物質の物理化学特性およびこれらテスト物質に対し実験的に得られたパラメータを含むデータベース（１０８）に基づくことを特徴とする請求項１９のデジタル記憶媒体。
26. 上記予測モジュールは、上記物質の脂肪親和性および／または分子量からパラメータの計算を行う計算関数を含むことを特徴とする請求項１９のデジタル記憶媒体。
27. 上記計算関数は、実験的に得られたパラメータ値の直線回帰に基づくことを特徴とする請求項２６のデジタル記憶媒体。

Images