SMILESでもアミノ酸配列でも、ペプチドの薬物動態と毒性を1つのモデルで予測
- SMILESまたはアミノ酸配列のいずれも入力でき、天然・修飾・環状・ペプチド様化合物に対応する。膜透過性(Caco-2、PAMPA)、半減期、クリアランス、分布容積、神経毒性、溶血性を予測する。
- 公共データベースと文献から集めたデータで学習し、従来型機械学習からトランスフォーマー・言語モデルまで、複数のエンコーディングとモデル種を比較した。
- ペプチドの意図する活性を踏まえて適合性を評価する機能考慮型スコアを備える。独立テストセットで良好な精度と解釈性を報告(後ろ向き評価で、要旨には実験的検証の記載なし)。
💡 ポイント アブストラクトに基づく見解
ペプチドのADMEデータは少量でノイズが多く、アッセイ条件もばらばらだ。Caco-2、PAMPA、半減期、クリアランスを1つのモデルで扱うなら、データ分割の設計を厳しく見るべきである。類似配列をランダムに分けると性能は水増しされる。テストセットが配列やスキャフォールドでクラスタリングされているか、自社の環状・修飾ペプチド系列で単純なベースラインを上回るかを確かめてから数値を信頼したい。
📄 原論文 · PLOS Computational Biology (PLOS) ↗ Pepti-DrugPhAI: Multimodal AI-evaluator for functional pharmacokinetics and toxicity of peptides