要約
最近の機械学習の進歩は、医薬品探索に重要な貢献をもたらしています。特に深層ニューラルネットワークは、小分子化合物の特性や活性を推定する際の予測能力を大幅に向上させることが示されています。しかし、これらの技術の適用範囲は、大量の訓練データが必要という制約によって限定されていました。本研究では、ワンショット学習が医薬品探索アプリケーションにおいて有意義な予測を行うために必要なデータ量を大幅に削減できる方法を示します。また、グラフ畳み込みニューラルネットワークと組み合わせることで、小分子間で意味のある距離計量を学習する能力を大幅に向上させる新しいアーキテクチャである残差LSTM埋め込み（residual LSTM embedding）を導入します。本研究で紹介したすべてのモデルは、オープンソースフレームワークDeepChemの一環としてオープンソース化されます。DeepChemは、深層学習による医薬品探索のためのプラットフォームです。