粗製物を使うD2Bアッセイ向けモデルが、ROS1系列で学習データの活性・選択性の限界を更新
- アッセイ構造を考慮したモデルは、単点スクリーニング、粗製物の用量反応における活性比、精製化合物の活性を連続する段階として扱い、ひとつのネットワークで同時学習する。
- 後ろ向き評価では、個別のネットワークよりも統合モデルが優れ、特に粗製アッセイでの選択性ランキングで改善が大きかった。
- 前向き試験では、ROS1を狙いTRKB(アンチターゲット)を避けるよう数十化合物をモデルが選定。合成・評価の結果、学習データ中の最良の活性と選択性のバランスを上回る化合物が得られた。
💡 ポイント アブストラクトに基づく見解
重みがあるのは後ろ向き評価より前向き試験のほうで、学習データの最良のバランスを実際に超えた化合物が出た。ただ、選ばれた数十化合物のヒット率が、単一タスクモデルや化学者の選択と比べてどうなのかは見えない。自社の化学空間で試すなら、まず粗製アッセイの読み値が精製化合物の活性とどこまで一致するかを調べることになる。
D2ML: Models for Direct-to-Biology Small Molecule Screening ↗