同一アッセイ内の化合物ランキングが、ChEMBL型の統合データで絶対値予測を上回る
- 公開バイオアクティビティデータはアッセイ由来でまとまっており、訓練アッセイの平均活性を当てるだけでも、同じアッセイの化合物に対して驚くほど高い性能を示す。
- 著者らは、統合データでは絶対値の予測よりも、アッセイ内での化合物のランキングを重視すべきだと主張している。
- ChEMBL由来の3つのデータセットで、同一アッセイの集合で学習したランキングモデルは、IC50回帰や任意の化合物集合で学習したランキングモデルを上回った。
💡 ポイント アブストラクトに基づく見解
同一アッセイの平均値が強いベースラインになるなら、プールしたChEMBLのランダム分割ベンチマークは、主にアッセイ由来の情報漏洩を評価しているにすぎず、そこで報告されるR²は疑ってかかるべきです。導入前に、同一アッセイの手がかりがない新規アッセイや新規シリーズでも成り立つかを確認したいところです。実務ではリード最適化に合います。アッセイごとに少数の実測化合物を用意し、残りを順位付けする使い方です。
Assay-Based Machine Learning: Rethinking Evaluation in Drug Discovery ↗