ChatGPTやStable Diffusionがさまざまな分野で注目を浴びており、上手い活用方法に対して関心が高まっています。創薬の分野においても例外ではなく、ライブラリの拡張や新規化合物の提案など、生成AIによって推進が期待される課題が多くあります。本講演会では、生成AIを活用してご研究されている先生方に、生成AIを使うことで出来ること、そして実際に使ってみての課題など、実務的な観点から御講演いただき、関心領域への応用に向けて広く議論を行う予定です。
| 日時： | 2024年5月15日（水）13:30～17:00 |
| 場所： | オンライン配信（Zoomウェビナー使用） |
| 世話人： | 江崎剛史（滋賀大学）、志水隆一（都市活力研究所）、水口賢司（医薬基盤研・大阪大学） |
| 主催： | CBI学会関西部会 |
| 共催： | NPO法人バイオグリッドセンター関西 |
| 連絡先： | お問い合わせは、下記メールにお願いいたします。 情報計算化学生物学会（CBI学会）関西部会事務局 |
プログラム
- 13:30-13:35 世話人あいさつ
- 13:35-14:15
「グラフオートエンコーダとモンテカルロ木探索を用いた新規化合物の生成」
岩田 浩明（鳥取大学）
物理化学的特性を学習するグラフオートエンコーダと、分子を生成するモンテカルロ木探索を組み合わせた新規分子生成手法を紹介する。提案手法は従来の手法では十分に探索されていなかった化合物空間の新規分子を効率的に設計することが可能となった。そのため、医薬品開発、材料科学、化学研究の分野において効率的に新しい分子を設計する有望な手法であると言える。
- 14:15-14:55
｢構造生成AIとドラッグデザインへの応用」～ヒット化合物からの多目的最適化～
米澤 朋起（慶應義塾大学）
構造生成AIがドラッグデザインへ応用できるか検証した。HTSヒット等から上市薬、臨床薬への構造展開、最適化例を題材に、構造生成AIが上市薬、臨床薬の構造を発生させられるか検討した。構造発生する際は、溶解度、膜透過性等の予測モデルに加え、ドッキングや3D重ね合わせによる主活性評価をリワードとして用いて多目的最適化による目的の構造発生を目指した。
- 14:55-15:05 (休憩）
- 15:05-15:45
「SMILES言語モデルを用いた仮想化合物空間の効率的な探索」
中田 柊也（神戸大学）
近年、合成容易な仮想化合物空間が急速に拡大しており、その化合物数は数百億にも及んでいる。本講演では、このような超巨大仮想化合物空間を効率的に探索するための、SMILES言語モデルを用いた生成的アプローチについて紹介する。また、タンパク質立体構造予測や自然言語処理分野における生成AIとの関連についても議論したい。
- 15:45-16:25
「Transformer GANを用いた化学特性の最適化を目指した分子生成」
李 晨（名古屋大学）
Generating molecules with desired chemical properties using discrete data, such as the simplified molecular-input line-entry system (SMILES) strings, has attracted widespread attention in drug discovery. However, training instability often plagues generative adversarial networks (GANs), giving rise to issues like mode collapse and low diversity. The Transformer abandons the recurrent structure of recurrent neural networks (RNNs) and relies solely on a self-attention mechanism to capture features in sequences. With the global receptive field, the self-attention of a Transformer can capture long-range dependencies, inspiring us to create a GAN with transformers.
This study introduces three reinforcement learning (RL)-driven GANs: a Transformer-based objective-reinforced GAN (TransORGAN), a pure transformer encoder-based GAN (TenGAN), and a scaffold-constrained, property-optimized transformer GAN (SpotGAN). These three models aim to generate molecules from SMILES strings with a focus on chemical property optimization. Experimental results demonstrate the effectiveness of our proposed GANs on molecular-generation tasks, particularly in terms of the drug-likeness, solubility, and synthesizability of the generated molecules.
- 16:25-16:35 (休憩）
- 16:35-17:00 総合討論