간사이의과대학과 섭난대학의 연구팀은, 창약 연구에 있어서의 AI(인공 지능)의 활용에 대해 검토.활성 화합물을 효율적으로 찾아내기 위해서, 생물 활성을 나타내는 화합물뿐만 아니라 생물 활성을 나타내지 않는 화합물도 AI의 학습에 중요하다는 것을 밝혔다.
창약의 성공 확률은 낮아 생산성 향상이 요구되고 있다.최근에는 AI의 활용에 의한 화합물 탐색의 효율화가 시도되고 있다.딥 러닝을 비롯한 많은 방법론이 제안되었지만, AI의 학습 데이터에 주목한 연구는 거의 이루어지지 않았다.또, 일반의 창약 수법으로 이용되는 「하이 스루풋 스크리닝(HTS)※」에서는 히트율이 0.1% 이하에 그치는 것으로 알려져 있다.지금까지의 창약으로는 몇 안되는 Hit 화합물에만 주목해, 많이 얻어지는 “실패한 데이터”군에 대해서는 충분히 활용되고 있지 않고, 단지 버려질 뿐이다.
연구팀은 이 창약 분야에서의 데이터의 특징, 즉 화합물의 대부분이 활성을 나타내지 않는다는 특징에 주목. AI의 학습에 있어서, 활성을 나타내는 화합물(정례)에 대해, 활성을 나타내지 않는 화합물 데이터(부례)의 비율을 1,000배 늘리면, AI의 오분류가 100분의 1 이하가 되어, 식별 능력 가 크게 향상되었습니다.
이 지견을 이용하는 것으로, 보다 적은 검증 횟수나 약제 자원으로 스크리닝을 실시하는 것이 가능해져, 창약 연구에 있어서의 대폭적인 코스트 다운으로 이어지는 폭넓은 응용을 기대할 수 있다고 하고 있다.연구 논문은 3월 18일(목)에 학술지의 「molecular informatics」(임팩트 팩터:2.741)에 게재되었다.
※하이 스루풋 스크리닝(High Throughput Screening)은 대량의 화합물로부터 유용한 화합물을 고효율로 특정하는 기술.
