文脈と薬剤効果を切り分け、未知化合物の遺伝子発現応答予測を改善
- 既存の薬剤誘導発現モデルは化合物情報をほとんど活用していないことが示され、UnDetectは共通の文脈と化合物固有の効果を切り分ける。
- 構造、標的、作用機序、Cell Painting形態情報を欠損に強いカーネルで統合し、残差応答を細胞株間で転移させる。
- 薬剤ブラインドのL1000およびDeepCEベンチマークで既報モデルを上回り、細胞株間転移はLINCSとTahoe-100Mのほぼ全評価で効果を示した。
💡 ポイント アブストラクトに基づく見解
従来モデルが化合物をほとんど使っていなかったのなら、重要な比較対象は文脈のみの予測器だ。薬剤ブラインドだけでなく骨格が異なる化合物でも、その差分がどこまで残るか見たい。L1000のシグネチャーはノイジーで、平均相関は実力を良く見せかねないため、レプリケート間の上限も知りたい。自分のプロジェクトで、同一シリーズの近縁アナログの順位を正しく付けられるだろうか。