BioGCN: Biologically Inspired Graph Convolutional Network to Predict Human Oral Bioavailability

あなたは探偵になりきって、あるミステリーを解こうとしています。ただし、事件現場は犯罪現場ではなく、人間の体です。謎は何でしょう？なぜ、ある薬は飲み込むと魔法のように効くのに、別の薬は胃の中にただ留まり、効果を発揮する前に消えてしまうのでしょうか？これが創薬の世界です。科学者たちが、一つの化学的なアイデアを命を救う錠剤へと変えるために、数十億ドルもの資金と10年以上の歳月を投じる、非常にリスクの高いゲームなのです。最大の障壁は、単にウイルスを殺したり腫瘍を止めたりする分子を見つけることではありません。その分子が、血流に到達するために消化管を通る旅を実際に生き残ることができるかどうかを確認することなのです。この旅は「経口バイオアベイラビリティ（経口生物学的利用能）」と呼ばれます。これをマラソンランナーに例えてみましょう。ランナーが速いからといって、ハードルに躓いたり道に迷ったりしなければ完走できるとは限りません。薬の世界では、もし分子が肝臓や腸という「初回通過」を生き残ることができなければ、たとえ試験管の中でどれほど強力に見えたとしても、それは失敗なのです。

長い間、科学者たちは、部品のリストから車の性能を推測する整備士のように、化学的特徴の「チェックリスト」を使ってこの旅を予測しようとしてきました。しかし、これは時間がかかり、多くの専門的な推測を必要とし、しばしば全体像を見失ってしまいます。最近、新しい種類のAIである「グラフ畳み込みネットワーク（GCN）」が登場しました。GCNを、チェックリストではなく「地図」として想像してみてください。それは分子全体を、原子のつながったネットワーク（街の地図における通りや交差点のようなもの）として捉え、そこをどのように交通が流れるかを学習します。この論文では、この地図の読み手となる、よりスマートな新しいバージョンであるBioGCNを紹介しています。これは「生物学にインスパイアされた」ものです。なぜなら、単に地図を見るだけでなく、地形をより良く理解するために、薬のカテゴリーという「ガイドブック」も持ち込むからです。

インド統計研究所のチームである研究者たちは、このガイドブックを加えることで、AIがより優れた探偵になれるかどうかを確かめたいと考えました。彼らは、薬がバイオアベイラビリティが高いか低いかを予測するためにBioGCNを構築しました。これを行うために、彼らはAIに、学習のための1,480種類の既知の薬の膨大なライブラリを与えました。しかし、ここにひねりがあります。彼らはAIに2種類の異なる情報を与えたのです。一つ目は、単なる生の化学的マップ（原子の構造）です。二つ目は、その生のマップに加えて、ATCコードと呼ばれる特別なコードです。ATCコードを、図書館のデューイ十進分類法のようなものだと考えてください。それは、その薬が本来何をすべきで、体のどの部分をターゲットにしているのかを正確に教えてくれます。チームの大きなアイデアは、同じ「図書館のセクション」（同じATCコード）にある薬は、おそらく体がどのように移動するかについての似たような秘密を共有しているはずだ、というものでした。

BioG्लोカル（BioGCN）をテストしたところ、結果は有望でした。化学的マップと図書館のガイドブックの両方を備えたAIは、トレーニングデータにおいて約**65.83%から76.5%の精度で新しい薬の成功を予測することができました。全く未知の薬（288個のグループと別の45個のグループ）に対してテストを行った際も、特定のシナリオに応じて53.82%から77.78%**の精度を叩き出し、印象的なパフォーマンスを示しました。この研究は、このアプローチが、化学的マップのみに依存したり、伝統的なコンピュータモデルに依存したりする古い手法よりも優れていることを示唆しています。実際、「HOBPre」や「Deep-PK」といった他のトップクラスのモデルと比較しても、BioGCNは、成功した薬と失敗した薬を識別する能力を含め、ほとんどすべてのカテゴリーでトップに立ちました。

チームはまた、自分たちのモデルが単に答えを暗記しているのか、それとも実際に学習しているのかをチェックしました。彼らは「交差検証」という手法を用いました。これは、テストを受け、採点し、その後、本当に理解しているかを確認するために別のバージョンのテストを受けるようなものです。結果は、BioGCNがうまく汎化（一般化）できていることを示しました。つまり、未知の薬に対しても混乱することなく対処できるということです。彼らはまた、データを整理する2つの方法、すなわち化学的特徴のみ（FM）を用いたものと、化学的特徴にATCガイドブックを加えたもの（CFM）を比較しました。データは、ガイドブックがあるバージョン（CFM）の方が一貫して優れたパフォーマンスを示したことを証明しており、薬の「家族」を知ることが、その体がどのように移動するかを予測する上で本当に役立つことを示唆しています。

しかし、論文はこれを「魔法の弾丸」とは呼んでいません。著者らは、このモデルが大きな前進である一方で、特に現実世界の複雑で不均衡な薬のデータにおいては、依然として課題に直面していると指摘しています。彼らは、データの扱い方（例えば、成功した薬と失敗した薬の数をバランスさせるための「SMOTE」と呼ばれる手法など）によって、モデルの性能が変化する可能性があることを見出しました。BioGCNは他の手法を上回りましたが、テストセットにおける精度は完璧ではなく、最良のケースでも**77%**前後にとどまりました。これは、「生物学にインスパイアされた」アプローチが強力なツールである一方で、予測を完璧にするためにはまだやるべきことがあることを示唆しています。この研究は、分子の構造的なマップとその生物学的な分類を組み合わせることで、開発者がどの候補薬に数百万ドルもの資金と何年もの時間を投じて薬局の棚に並べる価値があるかを判断するための、よりスマートなツールを構築できると結論付けています。