GEO-BERT: Un modelo de aprendizaje profundo validado experimentalmente para la predicción de propiedades moleculares...

Área de la Ciencia:

• Química computacional
• Inteligencia artificial en el descubrimiento de fármacos
• Aprendizaje de representación molecular

Sus antecedentes:

• El aprendizaje profundo impacta significativamente el descubrimiento de fármacos, pero la identificación de compuestos activos novedosos sigue siendo un desafío.
• Los métodos existentes tienen dificultades para caracterizar estructuras moleculares complejas y sus conformaciones 3D.
• Existe una necesidad urgente de técnicas avanzadas de aprendizaje profundo para acelerar la fase inicial del descubrimiento de fármacos.

Objetivo del estudio:

• Introducir Geometry-based Bidirectional Encoder Representations from Transformers (GEO-BERT), un marco auto-supervisado para la predicción de propiedades moleculares.
• Mejorar la caracterización de la estructura molecular integrando información de conformación 3D y relaciones posicionales novedosas.
• Demostrar la utilidad práctica de GEO-BERT en la identificación de nuevos candidatos a fármacos.

Principales métodos:

• Desarrollo de GEO-BERT, un marco de aprendizaje de representación auto-supervisado que utiliza Transformers.
• La entrada incluye información de átomos y enlaces químicos, junto con la conformación molecular 3D.
• Integración de relaciones posicionales átomo-átomo, enlace-enlace y átomo-enlace para mejorar la caracterización estructural.

Principales resultados:

• GEO-BERT logró un rendimiento óptimo en múltiples conjuntos de datos de referencia para la predicción de propiedades moleculares.
• Se realizó un estudio prospectivo para la detección de inhibidores de DYRK1A utilizando el modelo GEO-BERT.
• Se identificaron dos inhibidores de DYRK1A nuevos y potentes con valores de IC50 inferiores a 1 μM.

Conclusiones:

• GEO-BERT es una herramienta eficaz de código abierto para la predicción de propiedades moleculares, que avanza en la fase inicial del descubrimiento de fármacos.
• Se valida la capacidad del marco para caracterizar estructuras moleculares y predecir propiedades.
• GEO-BERT demuestra un potencial significativo para acelerar el descubrimiento de nuevos agentes terapéuticos.