抗がん剤の効力（IC50）予測のための深層学習モデルのベンチマーキングと医薬品化学者への洞察

科学分野:

• 計算化学
• 薬理学
• バイオインフォマティクス

背景:

• 小分子効力（IC50）の正確な予測は、新しい抗がん剤の開発にとって重要です。
• 深層学習（DL）モデルは、IC50予測精度の向上に可能性を提供します。

研究 の 目的:

• 5つのDLモデル（DeepCDR、DrugCell、PaccMann、Precily、tCNN）をIC50予測のベースラインと比較してベンチマークすること。
• 標準的なエラーメトリック、および新しい実験的変動認識予測精度統計を含む、モデルのパフォーマンスを評価すること。
• 異なるデータセット、細胞株、および新規化合物にわたるモデルの一般化可能性を評価すること。

主な方法:

• 標準化されたGDSCデータセットと最近の抗がん剤化合物を使用してベンチマークを行いました。
• 5つのDLモデルと平均ベースのベースラインを評価しました。
• パフォーマンスは、標準的なエラーメトリック、パーセンテージエラー、ログエラー、3シグマ限界、および新しい精度統計を使用して評価されました。

主要な成果:

• DLモデルはランダム分割および未知の細胞株に対して良好な性能を示しましたが、未知の化合物に対しては精度が低下しました。
• DeepCDR、DrugCell、tCNNは、ほとんどのテストでわずかに優れたパフォーマンスを示しました。
• いくつかのDLモデルはベースラインを大幅に上回らず、予測誤差は化合物/細胞株の特性との相関が弱かったです。

結論:

• DLモデルはIC50予測に可能性を示していますが、新規化合物に対するパフォーマンスはさらなる改善が必要です。
• 開発されたWebサーバーは、がん細胞株に対する新規化合物のIC50値を予測するための実用的なツールを提供します。
• 予測誤差と分子/生物学的特性との相関を理解し、改善するためにはさらなる研究が必要です。