薬物の解離速度（koff）と residence time は結合親和性（Kd）より有効性と相関する系が多く、kinetics-driven drug designへの関心が高まっている。CCR2拮抗薬など複数の臨床事例でkoffの設計が成否を分けた。
→ 物理シミュレーション（SILCS）で自由エネルギープロファイルを算出し、それをMLへの入力として使う「ハイブリッド戦略」で高速・汎用・解釈可能なkoff予測を実現
SILCSシミュレーション（GPU数日）完了後は1分子あたり数分でkoff予測。
決定木系（RF/GB/XGB/LGBM）: スカラー5特徴（ΣLGFE障壁・ΣIE障壁・LGFESMS・MW・NRot）を入力。RFが最良。
RNN+MLP（ハイブリッド）: Bi-LSTM 2層でLGFE/IEプロファイル（可変長→pad40）を処理し、スカラー3特徴をMLPで処理→連結→-log(koff)予測。過学習が少なく外部タンパク質で安定。
| モデル | Test RMSE | Test PR |
|---|---|---|
| RF（最良） | 0.76 | 0.76 |
| GB | 0.83 | 0.71 |
| LGBM | 0.84 | 0.70 |
| XGB | 0.90 | 0.65 |
| RNN+MLP | 0.89 | 0.65 |
訓練/テスト=190/45化合物（8タンパク質、BindingDB）
E4（ΔLGFE+ΔIE+LGFESMS）×P2（最低障壁経路）が8タンパク質で最も一貫した相関
| 適用先 | ユースケース |
|---|---|
| lib/md | RMSDAnalyzer拡張: koff/居留時間予測モジュール追加 |
| lib/md | HBondAnalyzer: 結合ポーズ安定性→koff相関分析 |
| lib/docking | UniDockRunner後段でRFベースkinetics scorer追加 |
| lib/docking | ProLIFCalculator: 解離経路上のH-bond消失プロファイル抽出 |
MWとNRotはRDKit Descriptorsで即座に取得可能。エネルギー障壁はVina scoreで代理実装可能。