ChEMBLから数千のターゲット別QSARモデルを自動生成するオープンソースのパイプライン
- ChEMBLの活性データからターゲットごとのQSARモデルを自動構築する、無償公開のワークフローが示された。回帰と分類の両方に対応し、2千を超えるモデルが得られている。
- 化合物はErGとRDKitの記述子で表現し、Optunaで調整した木ベースの学習器で学習する。クラス不均衡にはオーバーサンプリングで対処し、データはアッセイと測定の種類別に分けている。
- あらかじめ定めた品質基準を満たしたモデルだけを保存し、外部検証にはDELTAデータベースを利用する。記述子の傾向を調べる対話型の可視化ツールも備える。
💡 ポイント アブストラクトに基づく見解
モデルを量産するのは簡単だが、信頼できるかは別問題だ。アッセイと測定の種類で分割するのは妥当でも、要旨には既存手法との比較も前向き検証も見当たらない。実プロジェクトで使う前に、DELTAの外部セットが訓練データの化学空間とどれだけ近いかを確かめたい。