CaliciBoost: Evaluación impulsada por el rendimiento de representaciones moleculares para la predicción de la...

Área de la Ciencia:

• Química computacional y quimioinformática
• Descubrimiento y desarrollo de fármacos
• Aprendizaje automático en toxicología

Sus antecedentes:

• La permeabilidad de Caco-2 es un ensayo in vitro clave para predecir la absorción oral de fármacos.
• La predicción computacional precisa de la permeabilidad de Caco-2 es crucial para un descubrimiento de fármacos eficiente en etapas tempranas.
• Los métodos existentes requieren una evaluación sistemática de diversas representaciones moleculares y técnicas de aprendizaje automático.

Objetivo del estudio:

• Evaluar sistemáticamente ocho tipos de representación de características moleculares para la predicción de la permeabilidad de Caco-2.
• Evaluar el impacto de los descriptores 2D/3D, las huellas dactilares y las incrustaciones de aprendizaje profundo utilizando el aprendizaje automático automatizado (AutoML).
• Identificar estrategias óptimas de selección de características para tareas de predicción con datos limitados.

Principales métodos:

• Se investigaron ocho tipos de representación de características moleculares (descriptores 2D/3D, huellas dactilares, incrustaciones).
• Se emplearon técnicas de aprendizaje automático automatizado (AutoML) para el entrenamiento y la optimización del modelo.
• Se evaluaron modelos en dos conjuntos de datos: el punto de referencia TDC y los datos curados de OCHEM.
• Se utilizaron análisis de importancia de características (SHAP, importancia de permutación) para la interpretabilidad.

Principales resultados:

• Los descriptores PaDEL, Mordred y RDKit fueron muy efectivos para la predicción de la permeabilidad de Caco-2.
• El modelo CaliciBoost desarrollado logró el menor Error Absoluto Medio (MAE) y se ubicó en primer lugar en la Tabla de Clasificación de Caco-2 de TDC.
• La incorporación de descriptores 3D generalmente mejoró el rendimiento predictivo en comparación con las características 2D solas.
• El análisis de importancia de características proporcionó información sobre las contribuciones de los descriptores.

Conclusiones:

• Los enfoques de AutoML son efectivos para predecir propiedades ADMET como la permeabilidad de Caco-2.
• Los descriptores moleculares 3D juegan un papel crítico en la mejora de la precisión predictiva.
• El estudio proporciona orientación práctica para la selección de características en quimioinformática, especialmente para escenarios con datos limitados.
• Se desarrolló un modelo robusto e interpretable basado en AutoML y PaDEL, logrando un rendimiento de vanguardia.