分子生成と物性予測のためのAIワークフロー設計

早期創薬におけるAIワークフローの設計は、モデル選択と同様に化学の知識も重要です。選択する分子表現、学習に使用するデータ、不確実性の扱い方、そしてメディシナルケミストとの連携方法が、有用な候補を生み出すか、高価なノイズを生み出すかを左右します。このコースでは、それらの決定事項を構造化された方法で解説します。 計算化学チームがAI支援型の創薬ワークフローをどのように計画するかを模倣した、実践的な設計演習に取り組みます。データが少なく、誤った予測のコストが高い場合に重要となる、実践的なトレードオフに重点を置きます。 学習内容: - SMILES、グラフ、3D認識エンコーディングを含む分子表現の選択 - 公開ソース、内部データ、合成拡張をバランスさせたデータセットの計画 - 変分オートエンコーダー、Transformer、拡散モデルを含む分子設計のための生成アプローチの比較 - キャリブレーションされた不確実性を持つ活性、毒性、薬物動態特性の予測モデルの構築 - 合成すべき次の分子を優先するためのアクティブラーニングとベイズ最適化の適用 - モデルと実験室作業のギャップを埋めるメディシナルケミストとのフィードバックループの設計 コースは、分子表現から生成モデリング、予測、アクティブラーニング、ケミストとのコラボレーションへと進みます。最終的な実践演習では、特定の治療領域を対象としたAI支援型創薬ワークフローの1ページデザインを作成します。 このコースは、計算化学者、製薬業界に参入するデータサイエンティスト、およびソフトウェアのバックグラウンドを持つライフサイエンスの学生を対象としています。深いメディシナルケミストリーの経験は不要です。コースではワークフローを設計問題として扱い、情報提供を目的としています。特定の科学的または医学的決定に関するガイダンスを提供するものではありません。