2022.01.14
- TOPICS
- 大学
- 学生の活跃
生命医科学研究科 佐藤 朋広 特任准教授が、第49回構造活性相関シンポジウムでSAR Award(ポスター)賞を受賞!
生命医科学研究科 佐藤 朋広 特任准教授(生命情報科学研究室、寺山慧グループ)は、2021年11月18日(木)?19日(金)に開催された第49回構造活性相関シンポジウムにおいて「転移学习を用いた活性予测モデルの新规化合物シリーズに対するモデル适用性の改善」についてポスター発表を行い、SAR Award(ポスター)賞を受賞しました。
受赏者
生命医科学研究科 特任准教授
佐藤 朋広 さん
発表演题
「転移学习を用いた活性予测モデルの新规化合物シリーズに対するモデル适用性の改善」
生命医科学研究科 特任准教授
佐藤 朋広 さん
発表演题
「転移学习を用いた活性予测モデルの新规化合物シリーズに対するモデル适用性の改善」
発表内容
—今回の受赏に至った研究内容について佐藤さんに解説していただきました。
近年、创薬分野において深层学习に代表される机械学习を用いた予测は、标的タンパク质に対する阻害活性や体内动态の予测など、様々な形で利用されています。しかし、机械学习に基づく予测モデルは予测适用范囲が学习データに强く依存することから、新规性の高い化合物に対しては予测精度が低下してしまう事が课题となっています。
本研究では転移学習を利用して、構築済みの機械学習モデルに対して新規化合物データを追加で学習させた際の予測性能の変化をEGFR, COX-2, A2a受容体の3つの標的タンパク質に関するデータで検証しました。転移学習に半教師あり学習を組み合わせた新規手法は、新規化合物データが少ない場合でも過学習の影響を抑制して安定した予測性能を発揮することに成功しており、今後、公共データから作成した予測モデルの製薬企業への技術移転等において学習データと異なる化合物群に対する予測適用性を効率的に改善可能な手法として活用していきたいと考えています。
—今回の受赏に至った研究内容について佐藤さんに解説していただきました。
近年、创薬分野において深层学习に代表される机械学习を用いた予测は、标的タンパク质に対する阻害活性や体内动态の予测など、様々な形で利用されています。しかし、机械学习に基づく予测モデルは予测适用范囲が学习データに强く依存することから、新规性の高い化合物に対しては予测精度が低下してしまう事が课题となっています。
本研究では転移学習を利用して、構築済みの機械学習モデルに対して新規化合物データを追加で学習させた際の予測性能の変化をEGFR, COX-2, A2a受容体の3つの標的タンパク質に関するデータで検証しました。転移学習に半教師あり学習を組み合わせた新規手法は、新規化合物データが少ない場合でも過学習の影響を抑制して安定した予測性能を発揮することに成功しており、今後、公共データから作成した予測モデルの製薬企業への技術移転等において学習データと異なる化合物群に対する予測適用性を効率的に改善可能な手法として活用していきたいと考えています。
佐藤 朋広 特任准教授のコメント
本研究及び発表準备に当たっては、寺山准教授をはじめ生命情报科学研究室の皆さまに有益なアドバイスをいただきましたこと御礼申し上げます。深层学习に代表される机械学习を用いた予测モデルは近年様々な分野で注目を集めていますが、しばしば既知データに基づく検証结果と実际の新规データに対する予测性能が乖离してしまう事が课题となっています。本発表では実际の创薬研究で想定される予测性能の低下をモデル化して改善に取り组んだことを评価していただきました。今后も情报科学を活用して创薬を通じた社会贡献ができるような技术开発に取り组んでいきたいと考えております。