Aprendizaje de transformadores en el diseño de fármacos basado en secuencias depende de la memorización de compuestos...

Área de la Ciencia:

• Química computacional
• Inteligencia artificial en el descubrimiento de fármacos

Sus antecedentes:

• Los modelos de lenguaje químico (CLM), especialmente los transformadores, se utilizan para el diseño molecular generativo.
• Su naturaleza de caja negra dificulta la interpretación de las predicciones a nivel molecular.

Objetivo del estudio:

• Investigar las características de aprendizaje de los CLM de transformadores en el diseño de compuestos basado en secuencias.
• Comprender cómo estos modelos aprenden y predicen las propiedades moleculares.

Principales métodos:

• Se utilizó el diseño de compuestos basado en secuencias como sistema modelo.
• Se realizaron cálculos de control sistemáticos modificando secuencias de proteínas y pares secuencia-compuesto.
• Se analizó la reproducibilidad de los compuestos en función de la similitud de los datos y la memorización.

Principales resultados:

• La reproducibilidad de los compuestos se debió principalmente a la similitud entre los datos de entrenamiento y prueba y a la memorización.
• Los CLM de transformadores no aprendieron información específica de secuencias químicas o biológicas.
• Las predicciones del modelo se basan en la memorización y las correlaciones estadísticas, no en una comprensión química genuina.

Conclusiones:

• Los CLM de transformadores en el diseño molecular operan en gran medida a través de la memorización en lugar de aprender reglas químicas específicas.
• La sobreinterpretación de los resultados de los CLM se puede evitar comprendiendo su dependencia de las correlaciones estadísticas.
• Este conocimiento guía la aplicación adecuada de los CLM basados en transformadores en el diseño molecular.