深層生成モデルを利用した新規医薬品構造提案手法の開発

抄録

所望の活性を持った化学構造を得るinverse-QSARはケモインフォマティクス分野における主要なタスクのひとつである。近年では深層生成モデルを利用した構造生成手法が提案され始めているが、それらはいずれも多量のデータを必要とするものであった。創薬の現場においては、必要としているタンパクに対する活性データが大量に得られている状況は稀である。そこで本研究では多量の教師なしデータと少量の教師付きデータを組み合わせて学習を行う半教師付き学習を構造生成手法に応用した。構造生成手法の中で用いている活性予測の性能評価をalpha2Aアドレナリン受容体に対するリガンドデータについて行い、既往の手法に対して優れた予測精度を持つことを確認した。実際の構造生成、およびその生成結果の検証が今後の課題である。