Resumen Técnico: Uniendo a Químicos e IA – Un Marco Aumentado por Expertos para la Evaluación Interpretable de Rutas

Declaración del Problema

La selección de rutas sintéticas multietapa eficientes es un cuello de botella crítico en la síntesis orgánica, particularmente dentro de la química médica y de procesos. Si bien las herramientas de Planificación de Síntesis Asistida por Computadora (CASP) han avanzado en la generación de diversas opciones de rutas, la evaluación subsiguiente de estas rutas sigue siendo un desafío significativo. Los sistemas de evaluación basados en datos existentes a menudo simplifican en exceso la naturaleza multiobjetivo del diseño de síntesis (equilibrando viabilidad, costo, seguridad, sostenibilidad, etc.) y dependen en gran medida de conjuntos de datos proxy, como rutas extraídas de patentes, en lugar de criterios universales y fundamentados.

Los datos de patentes a menudo reflejan elecciones limitadas por el tiempo en lugar de la química óptima, y los conjuntos de datos existentes son escasos porque típicamente solo se reporta una o pocas síntesis por molécula. En consecuencia, los modelos entrenados únicamente con datos de patentes corren el riesgo de sobreajustarse a la "apariencia" de una ruta de patente en lugar de aprender el razonamiento subyacente y las heurísticas de evaluación utilizadas por químicos expertos. Además, la falta de datos de reacciones negativas de alta calidad dificulta la predicción de la viabilidad de la síntesis hacia adelante. Actualmente, el campo depende en gran medida de la evaluación manual por parte de químicos sintéticos, un proceso que es lento, costoso y difícil de escalar.

Metodología

Los autores proponen un marco de puntuación aumentado por expertos y basado en datos (ilustrado en la Figura 1) que integra el aprendizaje automático con el conocimiento de dominio de los químicos para proporcionar evaluaciones de rutas tanto numéricas como explicables. La metodología procede en tres fases:

1. Pre-entrenamiento de un Modelo de Puntuación basado en DeepSets (Fase 1)

El núcleo del sistema es una arquitectura de red neuronal basada en DeepSets, diseñada para manejar conjuntos de reacciones con invarianza de permutación. Esto permite que el modelo procese de manera robusta rutas con números variables de reacciones e entradas desordenadas.

• Arquitectura: El modelo consta de dos módulos:
  • Codificador ($\phi$): Procesa características individuales de la reacción (clase de reacción, puntuación de viabilidad, representación del compuesto objetivo y, opcionalmente, incrustación de ruta) para producir una codificación de reacción.
  • Puntador ($\sigma$): Agrega las codificaciones de reacción y las combina con propiedades a nivel de ruta (costo, volumen, complejidad y huellas dactilares de moléculas) para predecir una puntuación final.
• Objetivo de Entrenamiento: El modelo se entrena inicialmente en un gran corpus de rutas de patentes (47,303 moléculas, ~1.7 millones de rutas) para predecir la Distancia de Edición de Árbol (TED) entre una ruta generada y una ruta de referencia. Se seleccionó TED como métrica porque ofrece una medida robusta de similitud estructural y estratégica, superando a otras métricas candidatas en la distinción entre rutas de alta calidad y rutas deficientes.
• Características de Entrada: El sistema utiliza incrustaciones de reacción (probadas: Huella Dactilar de Diferencia Estructural [SDF], Huella Dactilar de Reacción Química [RXNFP], Huella Dactilar de Reacción Diferencial [DRFP]), puntuaciones de viabilidad de clase de reacción y propiedades de ruta como costo y complejidad.

2. Ajuste Fino Aumentado por Expertos (Fase 2)

Para cerrar la brecha entre la similitud numérica (TED) y el juicio humano, el marco introduce una capa de evaluación cualitativa.

• Criterios Heurísticos: Químicos expertos establecieron un sistema claro de clasificación de tres niveles ("Bueno", "Plausible", "Malo") basado en una escala de puntuación de reacción a ruta de 5 puntos.
  • 5 puntos (Bueno): Altamente probable que tenga éxito, impacto insignificante en grupos funcionales.
  • 4 puntos (Plausible): Desconexión correcta pero requiere ajustes menores o incluye pasos innecesarios pero válidos.
  • 3 puntos: Retrosintéticamente correcto pero depende de esquemas específicos de grupos protectores o maniobras redox.
  • 2 puntos: Problemas importantes de selectividad o alteraciones conceptuales requeridas.
  • 1 punto: Altamente improbable que tenga éxito o problemas no resueltos en el material de partida.
• Estrategia de Ajuste Fino: La base pre-entrenada de DeepSets se ajusta finamente utilizando una adaptación supervisada por expertos con pocos datos.
  • LoRA (Adaptación de Bajo Rango): Los pesos del codificador base y el puntador se congelan. Solo se optimizan los parámetros LoRA de las capas ocultas del codificador y una nueva cabeza de clasificación utilizando datos etiquetados por expertos (120 rutas).
  • Salida: Esto permite que el modelo aprenda una calificación distinta de viabilidad de ruta mientras preserva el predictor de distancia original como una señal secundaria.

3. Sistema de Evaluación Aumentado por Expertos (Fase 3)

El sistema final genera tanto una puntuación cuantitativa multiobjetivo como una calificación cualitativa interpretable de viabilidad (Bueno/Plausible/Malo), alineándose con la toma de decisiones en el mundo real en la planificación retrosintética.

Contribuciones Clave

1. Marco Aumentado por Expertos: Una nueva tubería que combina el modelado basado en datos a gran escala (pre-entrenamiento en datos de patentes) con la evaluación alineada con expertos a pequeña escala (ajuste fino en evaluaciones de químicos).
2. Sistema de Doble Salida: El modelo proporciona tanto una puntuación cuantitativa (predicción de TED) como una calificación cualitativa interpretable (escala de 5 puntos mapeada a categorías de tres niveles), abordando la necesidad de transparencia en la planificación de síntesis impulsada por IA.
3. Arquitectura Invariante a Permutaciones: El uso de DeepSets asegura que el modelo maneje las rutas como conjuntos desordenados, centrándose en propiedades a nivel de reacción independientes del orden de la secuencia, lo que simplifica la tarea de aprendizaje mientras mantiene la robustez.
4. Ajuste Fino Eficiente: El uso de LoRA permite que el sistema se adapte al juicio experto utilizando un conjunto de datos limitado (120 rutas) sin un olvido catastrófico del conocimiento pre-entrenado.

Resultados

El sistema se evaluó en un conjunto de prueba de 120 rutas etiquetadas por expertos utilizando validación cruzada de 5 pliegues.

• Predicción Cualitativa (Calificación):

  • El modelo logró una correlación de Spearman de 0.78 ± 0.05 y una correlación de Pearson de 0.77 ± 0.06 con las calificaciones de expertos en la escala de 5 puntos.
  • Para la clasificación de tres niveles (Bueno/Plausible/Malo), el modelo logró una precisión general del 67 ± 6.4%.
  • El rendimiento fue particularmente fuerte en la distinción de rutas "Buenas" (Precisión: 0.781, Recuperación: 0.795) y "Malas", aunque permaneció cierta incertidumbre entre las categorías "Bueno" y "Plausible".

• Predicción Cuantitativa (Distancia y Clasificación):

  • Predicción de Distancia: La incrustación SDF superó a otros métodos (DRFP, RXNFP y sin incrustaciones), logrando el Error Cuadrático Medio más bajo (7.102 ± 0.200) y el R-cuadrado más alto (0.723 ± 0.003).
  • Precisión de Clasificación: El modelo logró una precisión de clasificación top-1 del 60.2% (0.603 ± 0.007) en el conjunto de datos de prueba, superando sustancialmente la línea base anterior (17.5%).
  • Rendimiento Top-k: El modelo basado en SDF identificó aproximadamente el 95% de las rutas de referencia dentro de sus 20 predicciones principales.

• Análisis de Incrustaciones: Curiosamente, el estudio encontró que la incrustación SDF más simple superó a métodos más sofisticados (DRFP, RXNFP), lo que sugiere que para la predicción de la distancia de ruta, las representaciones estructurales más simples pueden ser más efectivas y menos propensas al sobreajuste.

Significado y Reclamaciones

El artículo afirma que este marco aumentado por expertos cierra con éxito la brecha entre el aprendizaje automático basado en datos y el conocimiento de dominio químico. Al ir más allá de la dependencia de proxies de patentes e incorporar heurísticas explícitas de expertos, el sistema ofrece una evaluación más fiable, transparente y accionable de las rutas sintéticas.

Los autores enfatizan que el sistema no solo predice una puntuación, sino que captura la nuancia del juicio químico experto, incluyendo cómo los expertos resuelven compensaciones multiobjetivo. La naturaleza de doble salida (puntuación cuantitativa + calificación cualitativa) hace que el sistema sea adecuado para la integración práctica en flujos de trabajo de planificación de síntesis. Los autores señalan que, aunque el modelo muestra un rendimiento prometedor, aún enfrenta desafíos para distinguir entre categorías adyacentes (por ejemplo, Bueno vs. Plausible), lo que sugiere que el trabajo futuro podría beneficiarse de un aprendizaje más granular con intervención humana para capturar conocimiento tácito más allá de la similitud estructural.

El trabajo se posiciona como un paso hacia la alineación de la IA con el juicio humano experto, una capacidad que los autores sugieren que podría extenderse a otros dominios que requieren toma de decisiones complejas y multiobjetivo, como la atención médica.