from NatureAsia
この論文では、プロの化学者が得た知識を再現する機械学習モデルについて報告しています。この知識を活用することで、創薬キャンペーンをより効率的に進めることができる可能性があると考えられています。
従来、創薬や新規化学物質の発見には、実験と研究者の知識に基づく試行錯誤が用いられてきました。しかし、機械学習を用いることで、研究者が有望な分子をより効率的に発見し、医薬品の開発コストを削減することができるようになります。機械学習には、分子の性質を予測するために、分子を数学的に表現する必要があります。この数学的表現は、性質や特徴の集合体で構成されます。正しい特徴を把握することは、データ駆動の予測モデルの成功に非常に重要です。
この研究では、35人の医薬品化学者に2種類の化合物5000組を提示し、望ましい化合物を選ばせるランキングゲームを行いました。その後、化学者の回答を使って機械学習モデルを訓練し、化合物に点数を付けました。この点数は、業界の知識を総合的に把握したものであり、他の性質とは無関係です。この機械学習モデルを使うことで、数理モデルが推奨する事項を修正し、化学者の専門知識と整合性を高めることができます。これにより、将来の創薬キャンペーンを加速させることができる可能性があります。
この方法は、分子モデル化研究を補完する可能性があるとされています。
*Disclamer:本キュレーションはNatureAsiaからピックおよび自動生成されました。正確な内容や詳細を知りたい方はリンク先の元コンテンツをご覧ください。