MILSyn:グラフと言語モデルの融合による薬剤併用シナジー予測
- MILSynは、ハイブリッドグラフニューラルネットワーク、化学情報とマルチオミクス特徴の融合、言語モデル由来の意味埋め込みを組み合わせて、薬剤併用のシナジーを予測する。
- DrugCombなど計5つのデータセットで評価し、未知の薬剤や細胞株での汎化も検証したが、抄録で確認できるのは計算上の評価のみで、実験的検証の記載はない。
- 既存モデルを上回る性能が報告され、少数ショットの微調整は希少がんで有効とされる。注意機構の解析は仮説生成にとどまる。
💡 ポイント アブストラクトに基づく見解
シナジー予測モデルはランダム分割ではまず失敗せず、薬剤や細胞株が未知のときに崩れる。そのため未知薬剤での評価を最初に確認したい。DrugComb系のラベルはノイズが多くバッチ依存でもあるため、重なり合うデータセット間のリークや、チューニング済み勾配ブースティングとの比較を確かめたい。上位ペアの実験的確認がない以上、証拠ではなく優先順位付けの補助と見るべきだ。
📄 原論文 · Journal of Chemical Information and Modeling (ACS) ↗ Multiscale Drug–Cell Interaction Modeling via Hybrid Graph Architectures and Knowledge-Aware Fusion for Drug Synergy Prediction