構造ベース手法はDEL学習MLの分布外汎化を救えるか:ベンチマーク研究
- 最近のNeurIPSコンペでは、DELデータで学習した上位MLモデルが分布外の化学空間に汎化できなかった。本研究は構造モデリングでそのギャップを埋められるかを検証する。
- 生物学的に多様な3標的と複数の合成形式のDELを用い、ML、Glideドッキング、GALigandDock、Boltz-2コフォールディングを比較した。
- MLは分布内では良好に機能し、論文の焦点は新規化学空間で各手法がどこまで持ちこたえるかにある。
💡 ポイント
ランダム分割では好成績なのに新規ケモタイプで崩れるDEL学習モデルは、DELキャンペーンから別シリーズを立ち上げようとする場面でまさに痛い目に遭う点だ。3標的は小規模なパネルだが、同一データで物理ベース手法と同条件で比較した点は有用。ライブラリが未サンプリングの骨格でMLトリアージをどこまで信頼するかの目安にしたい。