能動的学習による化合物モデリング、および、導かれた機会学習の実態

抄録

医薬品開発費用を抑える方法として、活性データをモデリングして薬理作用を示すと推定される新規化合物（virtual screening）が期待されている。深層学習を用いてモデルを算出する方法が主流となっている。一方に、同じ学習可能なデータから、少量なデータをシンプルなモデル法で同様な予測能力が得られる能動的学習(CGAL)の有用性が発表されている。情報がスパースでもCGALで有用なモデルが得られ、学習データに含まれていない受容体に対しても活性を正しく予測できる報告もある。これらの結果から、計算創薬において機会学習はどのように思えば良いでしょうか。この講演ではCGALを紹介し機会学習の実態を議論する。