計算・AI創薬 Journal of Cheminformatics

薬剤構造、細胞株の遺伝子シグナル、生物学的プロセスを結び付け、解釈可能な帰属解析を備えた抗がん薬併用シナジー予測の深層学習モデル

  • SGP-Synは各薬剤を言語モデルとグラフ系の表現で符号化し、トークンと原子の対応を注意機構で融合したうえで、薬剤ペアと細胞株の発現情報を組み合わせて遺伝子レベルのシグナルを推定する。
  • このシグナルはオントロジー構造を持つニューラルネットワークを通り、階層的な生物学的プロセス表現に変換されるため、構造から遺伝子、プロセスへと続く説明の連鎖が得られる。
  • 公開された併用スクリーニングでの後ろ向き評価では、特に未知の薬剤や薬剤ペアで既存の主要手法を上回り、未知の細胞株では同程度にとどまった。帰属解析は検証可能な仮説を示すが、実験的な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

シナジー予測モデルは、同じ薬剤や細胞株が学習と評価に混ざるランダム分割で良く見えがちなので、信頼できるのは未知薬剤・未知ペアでの改善の方だろう。ただ、実際のプロジェクトで一番予測が欲しいのは新しい細胞系なので、そこで同程度にとどまる点の方が重い。帰属の解釈を信じる前に、オントロジーをランダム化した対照や発現をシャッフルした対照で遺伝子・プロセスの説明が残るかを確認し、上位の組み合わせを少数選んで小規模な用量マトリクス試験にかけたい。