創薬におけるラボオートメーション マーケットトレンド

マーケットトレンド の 創薬におけるラボオートメーション 産業

自動液体ハンドラーが最大の市場シェアを占める見込み

• リキッドハンドラーは一般的に生化学・化学研究所で採用されている。創薬分野ではハイスループット・スクリーニングの必要性が高まっており、リキッドハンドラーの需要を牽引している。しかし、ラボのスペースは世界的にラボにとって最も説明のつく要因の一つであるため、小型化は創薬における主要な要因の一つになりつつある。
• 主要技術拠点では、研究室の1平方フィート当たりのコストが上昇している。研究者や科学者は、省スペースで最適な性能を発揮する機器に注目している。小型化されたリキッドハンドラーのそのような例の一つがフレキシリキッドハンドリングプラットフォームであり、ロボットアーム、スタッカー、マルチシステムなど複数のシステムと組み合わせるように設計されている。
• したがって、このようなプラットフォームは、ハイスループットスクリーニングで使用される試薬量の削減が増加するため、コスト削減を増加させている。さらに、創薬における試薬の利用可能量は限られており、自動リキッドハンドラーは、より少ない試薬量で大規模なスクリーニングを行うエンドユーザーを支援している。
• 市場のベンダーは、創薬のために設立された近代的な研究室の要件を満たすために、新しい自動リキッドハンドラーを導入している。例えば、2022年2月、SPT Labtech社は、4-in-1自動リキッドハンドリング仕様のアプリコットDC1プラットフォームの発売を発表した。このプラットフォームは、4つの独立したピペッティングツールを1台の卓上ユニットに組み込み、創薬の際に使用される少量、大量、シングル、マルチチャンネルのピペッティングに対応するデュアルコアピペッティング技術を可能にする。
• さらに、小型化とは別に、自動リキッドハンドラーは、サンプルトラッキングとラボ情報管理システムの統合を自動化することにより、ラボの標準化を改善することが証明されている。さらに、リキッドハンドラーは、サンプル処理の各ステップへの自動バーコードスキャニングの組み込みを容易にする。そのため、ユーザーは手動での記録を必要とすることなく、事前に定義された作業指示を簡単に進め、管理システムにデータをインポートすることができる。
• さらに、創薬におけるスクリーニングアッセイの複雑化に伴い、エンドユーザーの焦点は、スピードベースの性能からシステムベースの柔軟性とデータの完全性へと移り変わっている。さらに、手作業によるリキッドハンドリングプロセスにおける重要な課題の一つは、試薬添加の順序とタイミング、および一般的な容積性能（アッセイのハンドリング）である。そのため、市場のベンダーは、試薬添加のタイムコースを可能にする容積式分注技術を備えた自動リキッドハンドラーを設計している。
• さらに、ClinalTrials.govによると、2022年3月時点で登録されている臨床試験の総数は409,300件である。このような研究開発への注力の高まりは、世界的に自動液体ハンドラー装置の強化ニーズを促進すると予想される。

北米が最大の市場シェアを占める見込み

• 北米が大きなシェアを占めると予想されるのは、創薬に多額の投資を行っている米国の存在によるものである。この国には、ノバルティス、ファイザー、グラクソ・スミスクライン、JJ、ノバルティスなどの大手製薬会社がある。
• さらに、この地域には重要な市場プレーヤーが存在するため、創薬への投資も莫大なものとなっている。例えば、2023年7月、ファイザーとベンチャー企業Flagship Pioneeringは、内科、腫瘍学、感染症、免疫学などの分野で最大10の新薬候補を開発するため、共同で1億米ドルを投資すると発表した。この契約に基づき、フラッグシップ社が支援する企業は、このパートナーシップの下で発見・開発された実験的治療薬の発売・販売が成功した場合、約7億米ドルのマイルストーンとロイヤルティを受け取ることができる。これは、これらの市場プレーヤーが最新の自動化されたラボを持つことで、望ましい結果を得ることができるため、研究市場にとって大きなチャンスとなる。
• これに加えて、同地域での医薬品承認件数の増加も、同国における創薬の継続的な進化を示すものであり、最適化されたオペレーションで正確な結果と迅速な成果をもたらす適切な自動化ラボの重要性を示している。例えば、Nature Reviews Drug Discoveryによると、2022年にFDAの医薬品評価研究センター（CDER）は37の新薬を承認した。
• 同市場では、創薬にAIや機械学習技術を取り入れる投資も拡大しており、同地域のラボ自動化のニーズを後押ししている。例えば、Google DeepMindのAI技術は、一次配列からタンパク質の3D構造を予測するg DLアルゴリズムを開発した。また、グーグルはサノフィと共同で、新たな技術で創薬を改善するイノベーション・ラボ・プロジェクトを開始した。