AIが薬探しを手伝う仕組み

このチュートリアルでは、次世代のEGFR阻害剤発見のためのエンドツーエンドの自律型AI共同研究者ワークフローを構築します。特に非小細胞肺がんにおけるC797S osimertinib-resistance mutationに焦点を当てます。私たちはまず、ChEMBLとUniProtを通じて生物学的ターゲットを特定し、次に厳選されたEGFR IC50 bioactivity recordsを採掘し、それらをクリーンなpIC50モデリングデータセットに変換します。私たちはRDKitを使用して分子を標準化し、塩を除去し、繰り返し測定値を集約し、Morgan fingerprintsを計算し、physicochemical descriptorsを抽出し、scaffold diversityを分析します。これにより、私たちのモデルは生の文字列ではなく、化学的に意味のある表現から学習します。そこから、scaffold-split Random Forest QSARモデルを訓練し、未知のchemotypesへの汎化能力を評価し、SHAPまたはmodel importancesを用いてpotency-driving featuresを解釈し、影響力のある分子substructuresを可視化します。最後に、予測を超えてgenerative designへと進みます。これは、強力なdrug-like activesからのBRICS fragmentsを再結合し、結果として得られるvirtual analogsをpotency、drug-likeness、synthesizability、novelty、developabilityの各ゲートでスコアリングし、最終候補をPubChemと相互参照することで行われます。EGFR Target Setup Copy Code Copied Use a different Browser import sys, subprocess, importlib, warnings, time, os, random, json warnings.filterwarnings("ignore") def _pip(*pkgs): subprocess.run([sys.executable, "-m", "pip", "install", "-q", *pkgs], check=False) for mod, pkg in [("rdkit", "rdkit"), ("shap", "shap"), ("requests", "requests")]: try: importlib.import_module(mod) except Exception: print(f"Installing {pkg} ...") _pip(pkg) import numpy as np import pandas as pd import requests import matplotlib.pyplot as plt from scipy.stats import spearmanr from sklearn.ensemble import RandomForestRegressor from sklearn.metrics import r2_score, mean_squared_error, roc_auc_score from sklearn.decomposition import PCA from rdkit import Chem, DataStructs, RDLogger from rdkit.Chem import Descriptor