金属錯体の脂溶性を網羅した初の大規模データセット、機械学習の基準を提示
- MetalLipoDBは、23種の金属の錯体（多核・異種金属錯体を含む）について、文献由来のlog P/log D実測値を数千件規模で収集し、測定条件や対イオンも記録している。
- 同一化合物でも研究間で測定値にかなりのばらつきがあり、モデル化の精度の限界を示している。
- 未見の論文の錯体に対する後ろ向きベンチマークでは誤差は中程度で、同一シリーズの少数の実測値で予測を補正すると残りの精度が向上した。データ、コード、Webアプリは公開されている。
💡 ポイント アブストラクトに基づく見解
注目すべきは同一化合物の研究間のばらつきだ。測定法、pH、イオン強度、対イオンの違いが、モデル改良の差を埋もれさせうる。論文単位の分割は妥当なリーク対策だが、合成して実測する前向き検証は報告されていない。シリーズ補正は実務でそのまま使える。類縁体を2～3個測定し、残りの順位付けに生かせばよい。
📄 原論文 · Journal of Chemical Information and Modeling (ACS) ↗ Beyond Organic Molecules: MetalLipoDB, a Lipophilicity Data Set for Metal Complexes and Machine Learning Benchmarks