No todo lo que brilla es oro: la importancia de una evaluación rigurosa de los modelos proteoquímicos

Área de la Ciencia:

• Descubrimiento computacional de fármacos
• Informática química y sus aplicaciones
• Aprendizaje automático en farmacología

Sus antecedentes:

• Los modelos proteoquímetros (PCM) integran datos de proteínas y ligandos para la predicción de la bioactividad.
• El aprendizaje automático (ML) y el aprendizaje profundo (DL) se utilizan cada vez más en los MCP, pero faltan estándares de evaluación coherentes.

Objetivo del estudio:

• Evaluar los factores críticos que influyen en el rendimiento y la generalización de los ML/DL-PCM.
• Evaluar el impacto de la curación de datos, las estrategias de división y las incrustaciones de proteínas en la predicción de la bioactividad de los ligandos cinasa.

Principales métodos:

• Se utilizó la predicción de la bioactividad de los ligandos de la quinasa como sistema modelo.
• Investigó la curación de conjuntos de datos, las pruebas de permutación, los desequilibrios de clase y las estrategias de división de datos.
• Se evaluaron varios descriptores de proteínas y ligandos y las incrustaciones, incluidas las de alineación de secuencias múltiples.

Principales resultados:

• Las estrategias de división de datos y los desequilibrios de clase se identificaron como los factores más críticos que afectan el rendimiento del MCP.
• Las pruebas de permutación indicaron que las incrustaciones de proteínas contribuyeron mínimamente a la eficacia del modelo.
• La fuga de datos plausible y la calidad de incorporación influyen significativamente en la generalización del modelo.

Conclusiones:

• Las normas de evaluación rigurosas son esenciales para mejorar la generalización de los ML/DL-PCM a los datos no distribuidos.
• Se necesitan mejores prácticas de evaluación comparativa para el desarrollo fiable de MCP en el descubrimiento de fármacos.
• El estudio subraya los desafíos para lograr un poder predictivo sólido con los ML/DL-PCM actuales.