QSARモデリングのネットワークベースの区分線形回帰

定量的構造活性関係（QSAR）モデルは、たとえばリードの最適化や仮想スクリーニングなど、創薬のさまざまな分野で重要です。最近、予測だけでなく解釈可能なモデルの必要性が強調されています。この論文では、ネットワーク分析と区分線形回帰の要素を組み合わせて、解釈可能なQSARモデルを構築するための新しい方法論が提案されています。提示されたアルゴリズムであるModsarは、2段階の手順を使用してデータを分割します。第一に、共通のターゲットに関連する化合物は、それらの構造的類似性の観点からネットワークとして表され、同様の化学的特性のモジュールを明らかにします。第二に、各モジュールはサブセット（領域）に細分化され、それぞれが独立した線形方程式によってモデル化されます。ChemBLから得られたタンパク質阻害剤の5つのデータセットにわたるQSARモデルの比較分析が報告されており、ModSARはランダムフォレストやサポートベクターマシンなどの一般的なアルゴリズムと同様の予測精度を提供することが示されています。さらに、ModSARによって構築されたモデルは解釈可能であり、化合物の適用可能性ドメインを評価できることを示し、仮想スクリーニングや新薬リードの開発などの井戸タスクを提供します。

Quantitative Structure-Activity Relationship (QSAR) models are critical in various areas of drug discovery, for example in lead optimisation and virtual screening. Recently, the need for models that are not only predictive but also interpretable has been highlighted. In this paper, a new methodology is proposed to build interpretable QSAR models by combining elements of network analysis and piecewise linear regression. The algorithm presented, modSAR, splits data using a two-step procedure. First, compounds associated with a common target are represented as a network in terms of their structural similarity, revealing modules of similar chemical properties. Second, each module is subdivided into subsets (regions), each of which is modelled by an independent linear equation. Comparative analysis of QSAR models across five data sets of protein inhibitors obtained from ChEMBL is reported and it is shown that modSAR offers similar predictive accuracy to popular algorithms, such as Random Forest and Support Vector Machine. Moreover, we show that models built by modSAR are interpretatable, capable of evaluating the applicability domain of the compounds and serve well tasks such as virtual screening and the development of new drug leads.