抄録
Iterative screening (IS)とは、大量の化合物を一度にスクリーニングするヴァーチャルスクリーニングに対して、少数の化合物をスクリーニング、薬理活性を測定、測定した活性値を用いてモデルを更新、このサイクルを繰り返し行うスクリーニング手法である。本発表では、様々なシナリオにおいて、機械学習手法を用いて、ISを化合物探索に適用した結果について報告する。結論としては、物性値を記述子から線形に推定できる場合は、変数選択を取り入れた線形回帰モデルが機能した。モデルの適用範囲を考慮することは、必要な実験回数を増やす結果となった。また、Gaussian Processを用いた、すでにサンプリングした化合物にペナルティを与えるバッチベースの手法が、いずれの想定したシナリオにおいても、総じて少ない回数で、目的とする物性や活性を持つ化合物を同定することに成功した。
