Therapeutic Data CommonsのADMETサブセットを用いたDeepAutoQSAR、ChemProp、およびDeepPurposeのベンチマーク研究
シュレーディンガーの自動機械学習モデル構築エンジンのパフォーマンス指標を、ChemPropおよびDeepPurposeと比較する。
要旨
より高性能なハードウェアや手法の登場に伴い、近年、化学関連の分野において機械学習（ML）手法の利用が大幅に増加しています。特に創薬分野では、ADMET（吸収、分布、代謝、排泄、および毒性）特性の予測が、ML応用における主要なターゲット となっています。 本稿では、機械学習モデルの構築およびベンチマークのための大規模な公開データセットである「Therapeutic Data Commons（TDC）」のADMETサブセットを対象に、Schrödinger社の自動MLモデル構築エンジン「DeepAutoQSAR」の性能指標を提示する。また、DeepAutoQSARの性能を、ChemPropおよびDeepPurposeという2つのオープンソースプロジェクトの性能と比較する。
DeepAutoQSARは、調査対象となった22件のうち20件においてトップクラスの性能を示し、そのうち9件では他の手法を明らかに上回りました。残りの11件については、テスト対象となった他の手法のうち少なくとも1つが同等の性能を示しています。 DeepAutoQSARの精度、化学データの変化に対する頑健性、およびラベル効率の継続的な開発とさらなる改善により、より迅速かつ費用対効果の高い創薬手段が実現し、最終的には新規治療薬の導入につながると考えています。
はじめに
新規分子のADMET（吸収、分布、代謝、排泄、および毒性）プロファイルが、新薬開発の成功において重要な役割を果たすことは広く認識されています。 このことは、数多くの関連エンドポイントを測定・予測するための信頼性の高いモデルを開発するために、学術界と製薬業界の両方で多大な時間と労力が費やされていることからも裏付けられています¹。創薬開発の後期段階において、好ましくないADMETプロファイルが壊滅的な影響をもたらす可能性があるため、潜在的な問題を同定 （早期に特定）することが共通の目標となっています。
超大規模なオンデマンドライブラリやDNAエンコードライブラリ（例えば、Enamine REAL SpaceやWuXi LabNetworkなど）の台頭に伴い、潜在的な欠点を早期に特定するためには、計算速度が速く、コストが低く、かつ潜在的に有望な候補化合物を除外することなく数億もの化合物を評価できる十分な精度を備えた手法が必要となります。これは明らかに、実験的なin vivo法やin vitro法さえも使用できないことを意味します。 しばしば人工知能（AI）とも呼ばれる最新の機械学習（ML）アプローチは、許容可能な精度で、短期間かつ低計算コストで数百万の分子を容易に処理することができる。
物理ベースのインシリコ手法とは対照的に、ML/AI手法では、特定のエンドポイントを予測するために、高精度なデータを用いて学習を行う必要があります。 しかし、高品質な学習データは入手が困難な場合が多く、データはクリーンで適切に管理されている必要があります。また、化学分野におけるデータセットは、画像やテキストの機械学習など他の分野で使用されるものよりも規模が小さいことがよくあります。こうした厳しいデータ要件により、複雑で高精度なモデルを学習させるのに十分な量の学習データが得られない場合が多いため、より複雑な機械学習／AIアプローチの適用が制限される可能性があります。
しかし、過去数十年にわたりADMET特性のプロファイリングの重要性が認識されるにつれ、大手製薬企業は膨大なデータを蓄積してきた。残念ながら、その多くは非公開であり、社内プログラムにのみ利用されている。公開データは比較的少ないが、公開データを収集・集約する取り組み 2 や、データの機密性を維持しつつ既存のモデルを改善するために、非公開データを賢明な方法で共有する取り組み 3 も行われている。
ディープラーニング（DL）手法の成功により、化学分野における機械学習（ML）／人工知能（AI）の応用が再び盛んになり、ADMETエンドポイントを対象とする際には、オープンソースおよび商用ソフトウェアの双方から数多く選択できるようになりました。オープンソースソフトウェアは、開発サイクルが短いという利点があり、新しい科学的知見をより迅速に実装できることが多い一方で、その活用は多くの場合、その分野の専門家に限定されてしまいます。 一方、商用ソフトウェアには、体系的な品質保証（QA）、ドキュメント、サポートといった利点があり、包括的なユーザーインターフェースが備わっているため、専門家以外の人々にとっても参入障壁が大幅に低減されます。
本論文では、広く利用されているオープンソースパッケージであるChemPropとDeepPurpose、およびシュレーディンガーのML/AIパッケージであるDeepAutoQSARの性能について詳しく検討し、最近公開されたベンチマークデータセットを用いた比較評価の結果を示す。