Un estudio cuantitativo de compuestos citotóxicos utilizando descriptores basados en grafos y aprendizaje automático

Área de la Ciencia:

• Química Computacional
• Química Medicinal
• Descubrimiento de Fármacos

Sus antecedentes:

• Los fármacos citotóxicos son vitales para el tratamiento del cáncer, pero tienen índices terapéuticos estrechos y efectos secundarios significativos.
• Comprender las propiedades fisicoquímicas, como el Área de Superficie Polar Topológica (Top_PSA), es esencial para predecir la absorción, distribución y permeabilidad de los fármacos.
• Top_PSA es un indicador clave para el transporte de membrana, la difusión pasiva y la penetración de la barrera hematoencefálica.

Objetivo del estudio:

• Evaluar descriptores grafotécnicos y moleculares como predictores de valores de Top_PSA calculados por RDKit/Mordred para agentes citotóxicos diversos.
• Comparar diferentes estrategias de preprocesamiento de datos y selección de características para la modelización de Relaciones Cuantitativas Estructura-Actividad (QSAR).
• Identificar los enfoques de modelización más efectivos para la predicción precisa de Top_PSA.

Principales métodos:

• Se calcularon 58 descriptores moleculares para 156 agentes citotóxicos estructuralmente diversos.
• Se aplicaron cinco esquemas de preprocesamiento: ajuste directo, PCA, escalado robusto, identificación/eliminación de valores atípicos y selección de características basada en VIF.
• Se utilizaron modelos de regresión lineal, LASSO y Ridge con validación cruzada k-fold.
• Se analizaron los coeficientes LASSO para identificar los factores contribuyentes significativos a Top_PSA.

Principales resultados:

• El escalado robusto combinado con la regresión LASSO produjo el mejor rendimiento predictivo, demostrando eficacia en el manejo de la heterocedasticidad y la multicolinealidad.
• El Análisis de Componentes Principales (PCA) ofreció una precisión predictiva similar pero redujo la interpretabilidad.
• La poda basada en VIF fue menos efectiva que otros métodos.
• Los factores significativos que influyen en Top_PSA incluyeron el contenido de heteroátomos, la capacidad de enlace de hidrógeno y los índices ponderados por electronegatividad.

Conclusiones:

• Se recomiendan encarecidamente el preprocesamiento robusto y la regularización inductiva de la escasez (LASSO) para estudios QSAR que involucran numerosos descriptores.
• Los conductos computacionales claros son vitales para predicciones fiables de Top_PSA.
• El estudio proporciona orientación práctica sobre el preprocesamiento, la selección de características y la selección de modelos en flujos de trabajo QSAR.