従来の深層学習手法は、薬物反応予測（Drug Response Prediction: DRP）に監督学習を用いることが一般的です。これは、モデルの訓練に薬物のラベル付き反応データへの依存を意味します。しかし、プレクリニカル段階での薬物スクリーニングにおける実際の応用では、新しい化合物に対するDRPモデルの反応予測が求められます。これらの化合物はしばしば未知の薬物反応を持つため、これが課題となり、監督深層学習手法がこのような状況には適していないことを示しています。本論文では、プレクリニカル段階での薬物スクリーニングにおけるDRPタスク向けのゼロショット学習ソリューションを提案します。具体的には、Multi-branch Multi-Source Domain Adaptation Test Enhancement Plug-in（MSDA）と呼ばれるプラグインを提案します。MSDAは従来のDRP手法とシームレスに統合でき、類似薬物の事前反応データから不変特徴量を学習することで、ラベルなし化合物のリアルタイム予測を強化します。我々はGDSCv2およびCellMinerデータセットを使用して実験を行いました。その結果、MSDAは新しい化合物に対する薬物反応を効率的に予測し、プレクリニカル段階での薬物スクリーニングにおいて全体的な性能向上率5-10%を達成しました。このソリューションの意義は、新薬発見プロセスの加速、候補薬物評価の改善、ならびに新薬発見の成功促進にあると言えます。