創薬プロセスの効率化を目的として、化合物の標的分子に対する活性を機械学習によって予測する化合物スクリーニング技術が活用されてきた。従来の手法では回帰学習がよく用いられるが、生化学アッセイに基づくIC50などの親和性指標はアッセイ系によって大きく変動するため、異なる環境のアッセイデータを統合するのは困難である。ランク学習による予測では目的変数の順序関係に基づいた学習を行うため、異なるデータ群の統合が容易であることが知られている。本発表では、アッセイデータの統合におけるランク学習の有効性を検証するために、ランク学習による化合物スクリーニング手法を構築し、いくつかの訓練データでの予測性能を評価した。