Una evaluación comparativa del aprendizaje automático y el aprendizaje por gráficos profundos para la predicción...

Área de la Ciencia:

• Ciencias del medio ambiente
• Química computacional
• Toxicología

Sus antecedentes:

• La evaluación de la ecotoxicidad química es crucial para la protección del medio ambiente, pero se enfrenta a desafíos debido al tiempo y al costo de las pruebas experimentales.
• Los métodos predictivos precisos son esenciales para superar las limitaciones de las pruebas de ecotoxicidad tradicionales.

Objetivo del estudio:

• Analizar exhaustivamente la aplicación del aprendizaje automático y el aprendizaje basado en gráficos para la predicción ecotoxicológica de sustancias químicas.
• Evaluar el rendimiento de varios modelos para predecir la ecotoxicidad en diferentes especies acuáticas.

Principales métodos:

• Se construyeron 161 modelos utilizando combinaciones de representaciones moleculares (Morgan, MACCS, Mol2vec), algoritmos de aprendizaje automático (KNN, NB, RF, SVM, XGB, DNN) y redes neuronales de gráficos (GAT, GCN, MPNN, FP atento, FPGNN).
• Evaluación del rendimiento del modelo para predecir la ecotoxicidad en peces, crustáceos y algas, incluidas las predicciones entre especies.

Principales resultados:

• La red convolucional de gráficos (GCN) demostró el mejor rendimiento general en la predicción de la ecotoxicidad para peces, crustáceos y algas.
• Los modelos GCN alcanzaron altos valores de área bajo la curva ROC (AUC) (0,982-0,992) para las predicciones de la misma especie.
• Las predicciones entre especies mostraron un rendimiento reducido, con GAT y GCN a la cabeza, pero DNN con huellas dactilares MACCS obtuvo el mejor rendimiento para sustancias químicas no observadas (AUC 0,821).

Conclusiones:

• Los métodos de predicción computacional, especialmente el GCN, son efectivos para la evaluación de la ecotoxicidad de la misma especie.
• Sigue habiendo desafíos significativos para predecir con precisión la ecotoxicidad química en diferentes especies, lo que pone de relieve la necesidad de realizar más investigaciones.
• Se dispone de un servidor web para la predicción ecotoxicológica, que ayuda a evaluar el riesgo ambiental.