データサイエンス学部・江崎剛史准教授(情報科学)と田辺ファーマ株式会社の論文がJournal of Chemical Information and Modelingに採択されました。
研究内容
創薬研究において、化合物の「膜透過性」を評価することは極めて重要ですが、実験条件（アッセイ）によって得られるデータ量に偏りがあることが課題でした。
本研究では、測定方法の異なる複数のデータを統合して効果的に学習する「マルチタスク学習」を取り入れることで、データ数が少ない計測方法であっても、高い精度で膜透過性を予測することに成功しました。さらに、その予測結果がどれだけ信頼できるかを個別に判定する「予測信頼性評価」を組み合わせるとともに、近年主流である「深層学習（ディープラーニング）」において、高精度な予測を行うために必要なデータ数の要件や挙動を評価・検証しました。
本研究は、企業への学術指導を契機とした産学連携により創出された成果です。今後、製薬・化学企業におけるAI創薬の現場では、十分な実験データが集まっていない段階からでも、化合物を効率的かつ高精度にスクリーニングするための実践的な指針となることが期待されます。
論文情報
雑誌名：Journal of Chemical Information and Modeling
論文名：Multitask Learning for Membrane Permeability Prediction across Assays with Prediction Reliability Assessment
著 者：Yuki Doi, Tsuyoshi Esaki
DOI：https://doi.org/10.1021/acs.jcim.6c00597
URL：https://pubs.acs.org/doi/abs/10.1021/acs.jcim.6c00597
【このページの作成】
総務課企画・広報室
