La representación molecular importa: evaluación comparativa de huellas dactilares, descriptores RDKit y efectos de...

Área de la Ciencia:

• Química Computacional
• Quimioinformática
• Aprendizaje Automático en Química

Sus antecedentes:

• Las representaciones moleculares influyen significativamente en la precisión de los modelos de aprendizaje automático para predecir propiedades cuántico-químicas.
• La selección de representaciones moleculares óptimas es crucial para estudios quimioinformáticos efectivos.

Objetivo del estudio:

• Evaluar comparativamente nueve huellas dactilares moleculares 2D y tres conjuntos de descriptores RDKit (PHYS, CONF, PHCO) para predecir cinco propiedades moleculares.
• Proporcionar orientación sobre la selección de representaciones moleculares y estrategias de hashing para la IA en química.

Principales métodos:

• Se entrenaron modelos predictivos de aprendizaje automático para evaluar el rendimiento de diferentes representaciones moleculares.
• Se compararon nueve huellas dactilares moleculares 2D y tres conjuntos de descriptores RDKit.
• Se evaluó el impacto del hashing criptográfico frente al no criptográfico en la calidad de las huellas dactilares.

Principales resultados:

• Los conjuntos de descriptores RDKit proporcionaron consistentemente predicciones más precisas que las huellas dactilares hasheadas en varias propiedades.
• La huella dactilar en capas (Layered Fingerprint) se destacó para objetivos de energía global, mientras que ECFP6 funcionó mejor para propiedades localizadas en átomos y termodinámicas.
• Los métodos de hashing no criptográficos produjeron resultados superiores y más consistentes en comparación con el hashing criptográfico (SHA-256).

Conclusiones:

• Las representaciones moleculares impactan críticamente la aprendibilidad de las propiedades cuántico-químicas.
• Los descriptores RDKit ofrecen un enfoque robusto, mientras que las huellas dactilares específicas tienen aplicaciones de nicho.
• Las estrategias de hashing afectan significativamente la calidad de la representación, favoreciendo los métodos no criptográficos para obtener mejores resultados.