MetaPLI:検索した測定データを文脈に用い、再学習なしで結合親和性を予測
- タンパク質–リガンド複合体構造と少数の既知活性測定値から絶対結合親和性を予測する、検索拡張型のインコンテキスト回帰モデル。
- 新たなアッセイ結果は検索された文脈に追加され、再学習なしでリード最適化における後続の予測と化合物選択に反映される。
- ベンチマーク、検証設計(後ろ向き/前向き)、既存手法との比較は、入手できた情報からは確認できなかった。
💡 ポイント アブストラクトに基づく見解
自分のプロジェクトで何かを置き換える前に、まず検索の切り分けを確認したい。検索される文脈がクエリ化合物と同じケミカルシリーズを含むなら、実質は手間のかかったローカルQSARにすぎず、活性クリフで外すのはまさに肝心な場面だ。シリーズ単位でホールドアウトした検証を行い、直近2ラウンド分で単純なローカルモデルやFEPと比べてみるべきだろう。