情報処理学会 第88回全国大会

5ZF-08
グラフベース深層強化学習による多目的分子最適化
○大塚 賢,鈴木敬将,関嶋政和(東京科学大)
創薬のコストはここ数年で劇的に増加している。計算機支援による化合物探索は製薬業回で実用化されてきている。特に、創薬の初期段階では、広大な化学空間から新規かつ有望な構造を探索するため、Hit-to-Leadプロセスによる生成モデルが注目されている。単目的で最適化するモデルはあるが、実用的なモデルにするには複数の目的関数を同時に最適化することが必要となる。本研究では、単目的のHit-to-Lead探索モデルであるGargoylesを改良し、QEDとBoltzの2目的での同時最適化可能なモデルを構築した。さらに、パレートフロント上の化合物に対して、射影自由エネルギーに基づくランキング手法を適用することで、熱力学的な安定性も考慮した最適な化合物を選抜する手法を提案する。