十分に調整した近傍法は多タスクNNと同等の標的予測性能を示し、両者の混合は双方を上回った
- 著者らは多数のヒトタンパク質標的を対象に、訓練とテストで骨格を分離したChEMBLベンチマークを構築し、ハイパーパラメータは検証セットで決定した。
- 十分に調整した近傍法による類似性検索と多タスクニューラルネットは、保持テストセットでほぼ同等の標的ランキング性能を示した。
- 両者の重み付き混合はわずかだが統計的に有意な改善を示した。ただし後ろ向き評価のみで、実験的検証は行われていない。
💡 ポイント アブストラクトに基づく見解
骨格分離でも境界をまたいで近い類縁体は残るため、調整済みの近傍法がニューラルネットと並ぶという結果は、モデルだけでなくベンチマークの性質も示している。混合の改善幅は小さく、有意性だけでなく標的ごとの効果量も確認したい。前向き評価のほうが示唆に富む。ChEMBLの情報が乏しい新規ケモタイプに対し、両者は標的をどう順位付けするだろうか。
Integrating classical similarity and multitask neural representations ↗