From In Silico to In Vitro: Evaluating Molecule Generative Models for Hit Generation

3 generative models × 3 settings × 7 targets を multi-stage filter + GSK-3β in vitro 検証で評価 (anon 2025)

🎯 generative model が drug discovery の hit identification step を実用的に代替できるかを直接テストする初の体系研究。GSK-3β で in silico→in vitro 経路を閉じる。

① 背景と課題

generative models は de novo 分子生成で能力進展したが、評価は validity / uniqueness / novelty 等の表層 metric に偏り、drug discovery pipeline の特定段階での実用性は問われてこなかった。「ML で drug-discovery 全工程を代替」は依然挑戦的で、特定段階の代替能力を検証する必要。

既存 generative model 研究は generation 能力評価が中心で hit identification step との接続が不明確。

in silico 評価のみで in vitro 検証を閉じた研究が稀少で、real-world 価値が不明。

→ 3 model × 3 setting × 7 target × multi-stage filter + GSK-3β in vitro 合成で hit identification 代替能力を直接評価。

② 手法 (a) 3 generative models

MolRNN (GNN+GRU+MLP autoregressive) / GraphINVENT (MPNN+APD autoregressive) / DiGress (discrete diffusion transformer)。autoregressive 2 + diffusion 1 を controlled comparison。

3 models × {full REINVENT, hit-like, fine-tune} × 7 target → 統一 filter で評価

MolRNN が GraphINVENT を超え、MolRNN と DiGress が target-specific fine-tuning steps へ進む。

② 手法 (b) Multi-stage filter + in vitro

(1) VUN basic metric、(2) hit-like filter (physicochem + structural + bioactivity)、(3) target-specific docking。GSK-3β top candidates を実合成 → in vitro 活性測定。

数件 active

GSK-3β で合成された候補の一部が in vitro で binding/inhibition 活性確認

in silico→in vitro 検証経路を閉じた稀少例。statistical 規模は限定的だが existence proof。

③ 本研究で示したこと（要点）

generative model が hit identification step を代替できるか直接テストした初の体系研究
3 model × 3 setting × 7 target の controlled comparison evidence
GSK-3β で合成 + in vitro active 確認 — in silico→in vitro 経路を閉じる
現状の評価 metric と training data の limitations を honest に開示

④ 主な結果 (a) Filter pipeline 構造

drug-relevance を段階的に絞る 3 層 filter で generative output を篩い分ける。

④ 主な結果 (b) 3 model + 3 setting

fine-tuning が hit-like rate を改善。MolRNN と DiGress が高品質 (rough viz)。

④ 主な結果 (c) Dataset 階層

レベル	用途
General (full REINVENT)	basic pre-training
Hit-like (filtered)	hit-like training / fine-tune
Target-specific (7 targets)	target-aware fine-tuning
GSK-3β top candidates	in vitro 検証対象

④ 主な結果 (d) in vitro 検証経路

⑤ テイクホームメッセージ

🎯 Targeted な問題設定
「generative model は drug pipeline の hit step を代替できるか」を直接問う初の体系研究。

🧪 in silico→in vitro
GSK-3β で合成 + 活性確認。computational only の限界を超える数少ない実証。

📊 Controlled comparison
MolRNN / GraphINVENT / DiGress を同 dataset / 同 protocol で benchmark。

⚠️ Honest limitations
評価 metric と training data の限界を著者自身が明示。

設定軸の整理

軸	変数
Model	MolRNN / GraphINVENT / DiGress
Training	full / hit-like / fine-tune
Target	7 ChEMBL families
Validation	in vitro (GSK-3β)

本研究のインパクト

generative model の hit identification 代替能力を直接 testable な軸で示した
chemexp 文脈: molgen の共有評価層 (filter pipeline) の参考実装
DMTA loop の Make 段階を generative model に接続する希少な evidence