LLM-Guided Retrieval for Prediction of Molecular Perturbation Responses

あなたは、特定の容疑者が新しいタイプの手錠に対してどのように反応するかを突き止めようとしている探偵だと想像してください。医学の世界では、これらの「容疑者」は微小な生細胞であり、「手錠」は低分子化合物（ドラッグ）です。科学者たちは、何千もの異なる細胞が何千もの異なる薬物にどのように反応したかを記録した、膨大なデータライブラリを長年構築してきました。これは、あらゆる可能な「容疑者と手錠」の組み合わせを収めた巨大なフォトアルバムのようなものです。しかし、ここには問題があります。考えられる組み合わせがあまりに多いため、それらすべてを物理的にテストすることは不可能です。宇宙に存在するすべての細胞株に対して、あらゆる薬を試すことはできないのです。

では、科学者たちはまだテストされていない細胞に対して、何が起こるかをどのように予測しているのでしょうか？彼らは「リトリーバル（検索・回収）」と呼ばれる巧妙なトリックを使っています。ゼロから答えを推測する超複雑な機械を作る代わりに、すでにテスト済みの「似たような薬」を探すのです。もし薬Aと薬Bが非常に似ているなら、薬Aが細胞をどう変化させたかを知っていれば、薬Bも似たようなことをするだろうと推測できます。これは、過去に公開された似たような映画を見て、新しい映画のパフォーマンスを予測するようなものです。この論文が取り組んでいる大きな問いは、**「参照として使うための『最高の似た薬』をどうやって見つけるか？」**ということです。化学構造（手錠の色や形を比較すること）を見るのが良いのでしょうか、それとももっとスマートな一致の探し方があるのでしょうか？

Betty Xiong氏率いる研究チームは、この新しいアプローチを試みることにしました。彼らは、大規模言語モデル（LLM：大量の科学書や論文を読み、理解するAIの一種）に、探偵のガイド役を務めるよう依頼したのです。彼らはこの手法をLLM-Guided Retrieval (LGR) と呼んでいます。

この実験がどのように機能するかを、遊び心のある比喩を使って説明します。あなたが、未テストの特定の細胞に対して新しい薬がどのように反応するかを予測しようとしていると想像してください。あなたには、同じ種類の細胞に対してすでにテスト済みの他の薬の「候補プール」があります。

1. 従来の方法： 通常、科学者は薬の化学構造を見ます。「これら2つの薬は化学的に似ているので、おそらく作用も似ているだろう」と言うかもしれません。これは、本の表紙だけで判断するようなものです。
2. 新しい方法 (LGR)： 研究者たちは、新しい薬の名前と候補となる薬のリストをAIに入力しました。そして、AIに対し、自身の生物学的な知識を読み解き、「これらの薬が体内での仕組み（メカニズムや経路）に基づくと、どれが最も優れた一致（マッチ）か？」と問いかけました。AIは、単に本の見た目を知っているだけでなく、その本が「何を扱っているか」を知っている知識豊富な司書のように振る舞います。
3. 予測： 一度AIが上位10個の最も類似した薬を選んだら、研究者は単にそれら10個の薬が細胞に対して行ったことの平均値を取ります。彼らは複雑な数式を使って結果を推測するのではなく、単に「隣人（似た薬）」が見せた実際の数値の平均をとるのです。

この論文では、細胞が薬にどのように反応するかに関するデータを含む、Tahoe-100M という大規模なデータセットを用いてこのアイデアをテストしました。彼らは3つの異なるシナリオを検証しました。

• 未知の薬 (Unseen Drugs): モデルが一度も見たことがない薬をテストする。
• 未知の細胞株 (Unseen Cell Lines): モデルが一度も見たことがない種類の細胞をテストする（これが最も困難な課題です）。
• オープンワールド (Open World): 限定されたリストではなく、データベース内の「あらゆる薬」の中からAIに選ばせる。

彼らは何を見つけたのか？
結果は、AIを使って「隣人」を選ぶことが、特に新しい種類の細胞を扱う際にゲームチェンジャーになることを示唆しています。

• 方向性の精度 (Sign Accuracy): 最もエキサイティングな発見は「符号の正確さ」についてです。これは、ある遺伝子が「活性化（アップ）」するか「抑制（ダウン）」するかを予測することを意味します。AIによる誘導メソッドは、単に全薬剤を平均したり化学的類似性を用いたりする場合と比較して、方向性を正しく当てる能力がはるかに高かったのです。これは、他の手法が方向性について間違えることが多かったのに対し、AIが特定の遺伝子の活動を「増加させる」と正しく予測できたような状況を指しますます。
• 「未知の細胞」での勝利: チームが全く新しい種類の細胞に対して薬がどのように反応するかを予測しようとしたとき、AIメソッドは競合を圧倒しました。AIメソッドは0.56という相関係数（予測が現実にどれだけ近いかを示す指標）を達成しましたが、次に優れた手法はわずか0.42でした。誤差に関しては、AIメソッドの平均絶対誤差（MAE）は0.011であり、ドラッグ平均ベースラインの0.0137よりも低く（＝優れて）いました。
• シンプルさが勝つ: この論文は、超複雑で重厚な予測モデルは必要ない、と主張しています。「秘伝のソース」は、答えを計算するための派手なアルゴリズムではなく、単に「正しい隣人」を見つけることでした。AIが「正しい友人」を見つけ出すという難しい仕事を担い、単純な平均化が残りの作業を行ったのです。

これは何を意味するのか？
著者らは、薬が細胞にどのように影響するかを予測するためには、予測モデル自体の複雑さよりも、「リトリーバル（検索・回収）」の質（適切な類似薬を見つけること）の方が重要であると示唆しています。彼らは、AIが制約付きのガイドとして機能することで、単純な化学的比較では見落とされる生物学的知識を引き出すことができると発見しました。

しかし、論文はこれがすべてを解決する魔法の杖ではないことにも注意を払っています。薬が非常に珍しい場合や、リストの中に有効な一致を見つけることができなかった場合、AIは時として苦戦することがありました。また、AIは効果の「方向（アップかダウンか）」を当てることは得意でしたが、「大きさ（正確な値）」を予測することについては必ずしも完璧ではありませんでした。著者らは将来、最高の結果を得るために、このAIガイドと他の手法を組み合わせる可能性があると述べています。

要約すると、この論文は、未来を予測する最善の方法は、より大きく、より賢い水晶玉を作ることではなく、学ぶべき正しい歴史書を見つけるために、非常に博識な司書に助けを求めることである、ということを示しています。AIに似た薬の探索をガイドさせることで、科学者は、特にデータが極めて少ない状況において、新しい治療法がどのように作用するかについて、より優れた推測を行うことができるのです。