血液脳比(logBB)予測にドッキングスコアと量子化学記述子を併用
- 数百化合物のキュレート済みデータセットで、脳・血液間分布(logBB)の回帰モデルを構築したプレプリント。
- 排出トランスポーターP-gpとBCRPに対するVinaのドッキングスコアや量子化学記述子が予測情報を上積みするかを検証している。
- 多数のアルゴリズムを比較し、RBFカーネルのサポートベクター回帰を採用。保持した検証セットでの精度は中程度だった。
- 記述子生成に要する計算コストについても議論している。
💡 ポイント アブストラクトに基づく見解
保持セット1つで「中程度」の精度なら、超えるべき基準は単純なlogP/TPSA/HBDモデルだ。BBB透過ならそれだけでかなり説明できてしまう。同一分割でSVRにVinaとQMの列を入れた場合と外した場合を比べた結果が見たい。上積みが小さければ、ライブラリ規模のスクリーニングでQM計算を回す価値は薄い。なお要旨のみの確認なので、本文で裏取りを。