論文が出版されました&プレスリリースを出しました
論文「Enhancing property and activity prediction and interpretation using multiple molecular graph representations with MMGX」がCommunications Chemistry誌より出版されました。
化合物の構造式をグラフで表現して処理するグラフニューラルネットワークに着目しました。そのうえで、原子と結合の関係を表現する一般的なグラフと、化合物の複数の原子や結合(部分構造)を1つのノードに縮約するグラフ表現を組み合わせて、グラフニューラルネットワークの一種であるグラフアテンションネットワーク構造によって学習するMMGX(Multiple Molecular Graph eXplainable discovery)という予測手法を提案しました。この手法により、化合物の物性や活性を高精度に予測すると同時に、アテンション機構を用いて部分構造表現から算出される値によって、「どの部分に着目してその予測結果としたのか」という情報を得ることができるようになりました。
Kengkanna A, Ohue M.
Enhancing property and activity prediction and interpretation using multiple molecular graph representations with MMGX.
Communications Chemistry, 7: 74, 2024. doi: 10.1038/s42004-024-01155-w
Journal website | PubMed | GitHub
また、関連して、東京工業大学と科学技術振興機構 (JST) から共同でプレスリリースを2024年4月5日に出しました。詳細は以下を御覧ください。
- 薬剤設計を支援する解釈性の高いAI予測手法を開発 持続可能な創薬を目指した合理的分子設計に向けて | 東工大ニュース | 東京工業大学
https://www.titech.ac.jp/news/2024/068979- 共同発表:薬剤設計を支援する解釈性の高いAI予測手法を開発~持続可能な創薬を目指した合理的分子設計に向けて~
https://www.jst.go.jp/pr/announce/20240405-3/- MIT Tech Review: 薬剤設計を支援する解釈性の高いAI予測手法を開発=東工大
https://www.technologyreview.jp/n/2024/04/11/333470/- 東工大、薬剤設計を支援する解釈性の高いAI予測手法を開発 – 日本経済新聞
https://www.nikkei.com/article/DGXZRSP670184_Y4A400C2000000/