ユニークなマルチタスクPAMPAデータセットに対するQSPR手法の比較研究

要旨: 本稿では、143の薬剤および薬剤候補分子からなる、唯一のマルチタスク・データセットを提示する。これらの分子は、6種類の異なるモデル膜を用いたin vitroの並列人工膜透過性アッセイ（PAMPA）によって評価されている。本リソースを用いて、受動的な膜透過性の予測における、さまざまな分子記述子および回帰モデルの有効性を体系的に評価する。対象とするモデルは、単純な線形回帰から最新の事前学習済みトランスフォーマー・アーキテクチャまで幅広い。特に、予測性能とモデルの解釈可能性のトレードオフに注目し、機械学習アプローチによってもたらされる課題を浮き彫りにする。筆者らの知る限り、本研究は、複数の臓器特異的なPAMPA膜を同時にモデル化する点において、これまでで最も包括的な調査であり、膜特異的な透過性プロファイルに関する新たな洞察を提供する。
専門家が設計した物理化学的特性の記述子は、深層学習に基づく表現よりも、限られたサンプルサイズの透過性研究に適していることが分かった。