AI による創薬の推進: KEDD フレームワークの導入

サイエンス パートナー ジャーナルの Health Data Science に掲載された革新的な研究では、創薬分野に革命を起こすことを目的とした、Knowledge-Empowered Drug Discovery (KEDD) として知られる画期的なエンドツーエンドの深層学習フレームワークが導入されています。 この革新的なフレームワークは、構造化された知識と非構造化された知識を適切に統合し、AI を活用した分子動力学と相互作用の探索を強化します。

従来、創薬における AI アプリケーションは、単一のタスクに重点を置くことで制約を受け、予測精度を高める可能性のある構造化データと非構造化データの豊富なタペストリーを無視してきました。 これらの制限は、既存の知識が乏しいか存在しない新規化合物やタンパク質を扱う場合に特に顕著であり、手動によるデータ注釈の法外なコストによって妨げられることがよくあります。

清華大学 AI 産業研究研究所の Zaiqing Nie 教授は、KEDD を通じて創薬における AI の潜在力を高める可能性を強調しています。 このフレームワークは、分子構造、ナレッジ グラフ、生物医学文献からのデータを相乗効果させ、従来のモデルの制限を超える包括的なアプローチを提供します。

KEDD はその中核として、堅牢な表現学習モデルを採用して、さまざまなデータ モダリティから高密度の特徴を抽出します。 その後、融合プロセスを通じてこれらの機能を統合し、予測ネットワークを活用して結果を確認し、AI によって促進される創薬の取り組みの範囲全体での適用を容易にします。

この研究は KEDD の有効性を実証し、重要な創薬タスクにおいて既存の AI モデルを上回る能力を示しています。 特に、KEDD は、新薬やタンパク質に関する文書化されたデータの欠如が分析プロセスを損なう可能性がある「モダリティ欠落問題」に直面しても回復力を示しています。 この回復力は、既存の知識ベースの力を利用して予測と分析に情報を提供する、スパース アテンションとモダリティ マスキング技術の革新的な使用に由来しています。

KEDD プロジェクトの主要な貢献者である Yizhen Luo 氏は、将来に向けて、マルチモーダルな事前訓練戦略の探求など、フレームワークの機能を強化する野心的な計画を概説します。 包括的な目標は、生物医学研究を加速し、治療法の発見と開発を進めるためのタイムリーな洞察と推奨事項を提供する、多用途の知識主導型 AI エコシステムを育成することです。

Luo Y、Liu XY、Yang K、Huang K、Hong M、Zhang J、Wu Y、Nie Z.
マルチモーダルナレッジによる統合 AI 創薬に向けて。
ヘルスデータサイエンス 2024 2 23;4:0113。 土井： 10.34133/hds.0113