J.B. Brown先生

京都大学医学研究科附属医学教育・国際化推進センター　講師

オープンソースで開発された機械学習のソフトが世界中に普及して計算創薬に応用されているが、合理的な期待はどこにあるであろうか。深層学習とビッグデータへの期待は非常に高いが、画期的な結果は未だ発表されていない。逆に、少量のデータだけで予測能力が「ビッグデータAI」に並ぶモデル方法論も近年に発表されている。
少量のデータを選択するアルゴリズムとして、「能動的学習」が代表的である。
この講演ではケモジェノクミス型の能動的学習と最新結果を紹介し、今後の計算創薬研究に対する考え方について議論する。

The past few years have seen the open source release of machine learning (ML/AI) software to the world, as well as its immediate uptake and application, but what are realisticexpectations for ML/AI in drug discovery?
There is immense expectation for deep learningand big data, but no ground-breaking difference in results has yet to be presented.
Oppositely, the past few years have included reports that performance equivalent to "big data AI" can be achieved with just a small portion of data.
The most representativealgorithm responsible for choosing that small data is known as active learning.
In this talk, I will present the concept of chemogenomic active learning and its recent results,and discuss with the audience about how those results impact the way we think aboutcomputational drug discovery in the future.