計算・AI創薬 Journal of Chemical Information and Modeling (ACS)

高忠実度・バイアス考慮型ベンチマークで、CASF-2016に比べタンパク質–リガンドスコアリングの性能低下が判明

  • PDBとBindingDBから、段階的フィルタリング、電子密度の手動確認、親和性の検証、物性を揃えたデコイ生成を経て構築した新ベンチマークで、構造の信頼性を高めバイアスを減らしている。
  • 9種類のスコアリング関数を、スコアリング、ランキング、ドッキング、スクリーニング様のデコイ課題で後ろ向きに評価した。
  • 多くの課題でCASF-2016より成績が低下し、デコイ課題では全体が一様に下がるのではなく、モデルの順位が入れ替わった。
  • 学習データとの重複はモデル間で大きく異なり、性能はデータの精選、評価手順、データ曝露に左右される。
ポイント アブストラクトに基づく見解

デコイ課題で単にスコアが下がるのではなく順位が入れ替わった点が重要です。CASF-2016では罰せられなかった物性やポーズの偏りに頼っていた関数があることを示唆します。ランキングを信用する前に、手法ごとの学習データとの重複を確認すべきです。そのうえで、候補のスコアリング関数を自社シリーズに対し、物性を揃えたデコイと既知の不活性体で再評価し、順位が保たれるか確かめたいところです。