より良いルートの探索：AIを最適化し、より斬新な合成予測を実現する

AIおよび機械学習モデルは逆合成計画を支援しますが、学習データに依存するという限界があります。主要な合成計画イニシアチブを最適化するために必要な多様性と品質を備えたデータを確保し、斬新な予測を生成する方法について詳しく解説します。

既存の医薬品分子の進化は、創薬におけるイノベーションの礎となってきました。しかし、将来を見据えた場合、既存薬の適応よりも構造的に斬新な低分子化合物の方が、より価値の高い治療薬となる可能性があります。2020年に承認された低分子医薬品の65%が構造的に斬新なものであり、これらの分子はFDAから画期的な治療薬に指定される可能性が2.5倍高く、発売から5年以内にブロックバスター薬となる可能性が2倍高いことが示されています。

しかし、斬新な分子を合成することは容易ではありません。逆合成予測ツールは、新しいアプローチの設計や生産効率の最適化において不可欠な存在となっています。これらのツールは、世界中の最新研究を体系的に活用することで、市場投入までの期間短縮を実現します。また、価格やサプライヤーといった特定の制約条件に基づいて分子を構築することで、開発パイプライン全体でのコスト削減も可能になります。

化学合成へのAIの適用を成功させるには、データの品質と多様性が不可欠であり、これらが不足すると予測精度が低下します。これは、バイエル社が斬新な低分子化合物の逆合成にAIを活用しようとした際の共同研究で実証されました。既存の学習セットに、当社が保有する高品質で多様な反応データを追加することで、希少な反応クラスに対する予測精度を32ポイント向上させることができました。

多様で正確なデータがAIモデルの成功を導く

化学合成計画において、目標となるのは、可能な限り多様で正確な合成ルートのセットを生成することです。しかし、AIの性能は基盤となるデータに左右されます。予測能力は、学習データの品質、多様性、正確性に依存します。重要な課題はデータの多様性です。学習データが一般的な化学反応だけでなく、データが少ない化学的サブスペースを網羅していない場合、AIが提供する結果は範囲や新規性の面で限定的なものとなってしまいます。

CAS Reactionsは、合成計画の予測能力に大きな影響を与える多様な反応データを提供します。過去10年間で2倍以上に拡大したこのコレクションは、世界中の特許、ジャーナル、科学出版物から、最も堅牢で詳細な化学情報を収集・精査しています。このキュレーションは継続的に行われており、機械学習と連携してAI合成計画を強化・充実させています。

バイエルとCASが連携し、AIを活用した効率的な創薬を推進

バイエルとCASの共同研究において、広範な機械学習用学習セットに、希少な反応タイプをターゲットとしたCASデータを追加することで、創薬AIモデルの予測能力を劇的に向上させました。

このモデルには、予測された反応ステップが成功する可能性を推定するニューラルネットワークを用いた生存率フィルターが組み込まれています。このネットワークは、既知の反応データセットと、主に理論上の失敗反応セットを用いて学習されました。さらに、生存率フィルターの予測能力を定量化するために、CASデータを用いて追加の学習データセットが作成されました。CASの反応データを追加したことで、希少な反応クラスの精度は16%から48%へと32ポイント向上しました。

生存率フィルターの精度向上はパイプライン全体に波及効果をもたらし、利用可能な反応の割合を高めます。この強化された予測能力により、これまで予測モデルでは困難だった「希少」なカテゴリーが解明され、低分子創薬の未知の領域に光を当てる斬新な成果がもたらされます。

本研究は、CAS Content Collection^TMから抽出された、科学者が精査した中規模の反応セットであっても、合成計画ツールの予測能力を大幅に向上させられることを示しています。この効果はわずかな反応クラスで確認されたものであり、すべてのテンプレートにわたって強力で高品質かつ多様なデータを追加することで、さらなる予測能力の向上が期待できます。この優れた概念実証は幅広い応用が可能であり、特に斬新な低分子創薬ターゲットのより効率的な発見に貢献します。

• 最近のプレゼンテーションを見る（CASのYugal Sharma博士とバイエル社のMartin Villalba博士によるPistoia Allianceバーチャルカンファレンスでの発表）
• ホワイトペーパーをダウンロード：新しい化学の予測：高品質な学習データが反応結果の予測に与える影響

CASが成果を最適化します

CAS Custom Services^SMは、お客様の機械学習の取り組みを強化するための学習データセットを設計します。当社のチームにお問い合わせいただき、要件をご相談の上、予測精度の向上にお役立てください。

‍