AUG 31, 2021

実験データが限られている？　問題ありません：前臨床創薬における機械学習と物理学

登壇者

サテシュ・バット、スティーブン・ジェローム、カール・レスウィング
事務局長、上級主任研究員、研究リーダー

要旨

機械学習の台頭と、物理学に基づいた高精度なモデリングにより、前臨床段階の創薬において画期的な進展がもたらされ、従来の手法に比べて低コストで、化学的特性が向上した化合物の発見が加速している。

最先端の機械学習手法を適用することで、補間を通じて化合物空間 の格段に広い領域を正確に探索することが可能になります。アクティブラーニングを通じて、正確かつ外挿可能な物理ベースの手法と組み合わせることで、数十億もの化合物が収録された市販ライブラリからのヒット化合物の発見が、初めてコスト効率の良いものとなります。同様に、リード最適化における「設計・合成・試験・分析」のサイクルで探索される化合物空間 の劇的な拡大が、物理情報を活用した機械学習によって可能となり、速度とコストの両面でメリットがもたらされます。

このウェブキャストでは、アクティブな創薬プログラムにおける機械学習の応用例として、3つの実践的な事例を紹介します。1つは化合物の物性予測、もう1つはヒット化合物の同定、そして3つ目はリード化合物の最適化における「設計・合成・試験・分析」のサイクルを通じて、親和性を維持・向上させるための事例です。