NOV 19, 2024
Schrödinger デジタル創薬セミナー 14：
機械学習を活用したインシリコ設計の進展：創薬プログラムのパイプラインへの影響
分子特性のシミュレーションは、物理ベースのアプローチを用いることで、構造と特性の関係に関する知見を提供し、新薬の設計を支援する分野において長年にわたり成果を上げてきました。近年では、AIや機械学習（ML）が物理ベースのモデリング技術と組み合わさり、イノベーションの加速に大きく貢献しています。物理ベースモデリングの精度と汎化能力は、AI/MLモデルのパフォーマンスを向上させ、データが少ない領域でも効果的に活用できるようにしています。逆に、AI/MLのスピードと柔軟性は、物理ベースモデルが抱える時間的・空間的な限界を克服するのに役立ち、予測精度と計算効率の両方を最適化する相乗効果を生み出しています。
このウェビナーでは、機械学習を活用して創薬プログラムを推進する、以下の応用例について議論します。
- FEP+を用いたアクティブラーニングによる、大規模なインシリコ断片スクリーニングにおけるヒット探索
- インテリジェントな分子コア設計に向けたde novoデザインワークフローの適用
- インタラクティブなMLダッシュボードを用いたリード最適化における、ADMETプロファイルの強化に向けた実験データの活用
講演者
カール・レスウィング
機械学習担当副社長、Schrödinger
カール・レスウィング氏は、Schrödinger の機械学習担当副社長を務めています。同職において、Schrödingerのデジタルケミストリー・プラットフォーム向けの機械学習アプリケーションの研究および実装を統括しています。 2017年には、パンデ研究室の客員研究員として、創薬におけるディープラーニング技術の活用に取り組んだ。その間、ケモインフォマティクス向けの機械学習技術を分析したベンチマーク論文『MoleculeNet』を共著した。カールはバージニア大学で学士号を、ジョージア工科大学で機械学習の修士号を取得している。