TITAN-BBB: Predicting BBB Permeability using Multi-Modal Deep-Learning Models

Este artículo presenta TITAN-BBB, un modelo de aprendizaje profundo multimodal que integra características tabulares, de imágenes y de texto mediante mecanismos de atención para predecir la permeabilidad de la barrera hematoencefálica, logrando un rendimiento superior al estado del arte en tareas de clasificación y regresión gracias a un nuevo conjunto de datos masivo.

Lo esencial

¡Claro que sí! Imagina que el Cerebro es una ciudad fortificada, muy segura y exclusiva. Para entrar en ella, hay una puerta de seguridad gigante llamada la Barrera Hematoencefálica (BBB). Esta puerta es muy estricta: deja pasar a los nutrientes esenciales (como la comida) pero bloquea a casi todo lo demás, incluidos el 98% de los medicamentos que intentan curar enfermedades cerebrales.

El problema es que probar si un medicamento puede cruzar esta puerta es como intentar adivinar si una llave abre una cerradura sin tener la cerradura a mano. Los métodos tradicionales son lentos, caros y a veces requieren experimentos con animales que son éticamente complicados.

Aquí es donde entra el TITAN-BBB, el "superdetective" que presentan en este artículo.

¿Qué es TITAN-BBB?

Imagina que TITAN-BBB no es un solo detective, sino un equipo de tres expertos que trabajan juntos para decidir si un medicamento puede entrar a la ciudad fortificada. En lugar de usar solo una pista, miran al medicamento desde tres ángulos diferentes:

1. El Experto en Datos (La Lista de Ingredientes):
   Este experto mira una lista de características físicas y químicas del medicamento (como su peso, si es aceitoso o si tiene carga eléctrica). Es como leer la etiqueta nutricional de un producto para saber si es saludable. En el mundo de la ciencia, esto se llama "descriptores tabulares".

2. El Experto en Fotos (El Fotógrafo):
   Este experto no lee la lista, sino que mira una foto de la molécula. Imagina que tomas una foto de la estructura del medicamento y se la das a un sistema de inteligencia artificial que ha visto millones de fotos antes (como un ResNet). Este experto busca patrones visuales: ¿Tiene anillos? ¿Es simétrico? ¿Cómo se dobla?

3. El Experto en Lenguaje (El Traductor):
   Los químicos escriben las moléculas usando un código especial llamado SMILES (una cadena de letras y números). Este experto es como un traductor que entiende ese "idioma químico". Usa una inteligencia artificial muy avanzada (llamada ChemBERTa) que ha leído millones de "frases químicas" para entender el significado de cada parte de la molécula, como si leyera una historia.

¿Cómo trabajan juntos? (El Mecanismo de Atención)

Aquí viene la magia. En lugar de que los tres expertos griten sus opiniones al mismo tiempo, TITAN-BBB tiene un juez inteligente (un mecanismo de "atención").

• Para cada medicamento nuevo, el juez decide: "¿Quién de los tres tiene la información más importante para este caso?"
• A veces, la lista de datos es la más importante.
• Otras veces, la foto revela algo crucial que la lista no dice.
• Y a veces, el lenguaje (la estructura química) es la clave.

El juez combina las opiniones de los tres, dándole más peso a quien tiene la mejor pista, y toma una decisión final: "Sí, puede cruzar la barrera" o "No, está bloqueado".

¿Por qué es tan bueno?

Antes de TITAN-BBB, los modelos de inteligencia artificial solían usar solo una de estas pistas (solo la lista, o solo la foto). Era como intentar adivinar si alguien es un buen conductor mirando solo su carnet de conducir, o solo su coche, pero no ambos.

Los autores crearon la base de datos más grande del mundo para entrenar a este equipo, juntando miles de estudios anteriores. Gracias a esto, TITAN-BBB aprendió muchísimo mejor que sus rivales.

• En la prueba de clasificación (Sí/No): Acertó el 86.5% de las veces, superando a los mejores modelos anteriores.
• En la prueba de cantidad (¿Cuánto entra?): Comete menos errores que nadie, siendo un 20% más preciso.

La Conclusión

TITAN-BBB es como tener un equipo de detectives multidisciplinario que no se deja engañar. Al combinar la lógica de los datos, la visión de las imágenes y la comprensión del lenguaje químico, pueden predecir con mucha más seguridad qué medicamentos llegarán al cerebro y cuáles no.

Esto significa que en el futuro, los científicos podrán descartar rápidamente los medicamentos que no funcionarán y enfocarse en los que sí, ahorrando años de investigación y miles de millones de dólares, para que lleguen más curas a los pacientes que las necesitan.

En resumen: TITAN-BBB es un "super-visor" que usa tres tipos de ojos (datos, fotos y texto) para abrir la puerta al cerebro y salvar vidas.

Resumen técnico

1. Problema y Contexto

La barrera hematoencefálica (BHE) es una capa de células endoteliales que protege el sistema nervioso central, pero también impide que el 98% de las moléculas terapéuticas pequeñas y macromoléculas entren en el cerebro. Evaluar experimentalmente la permeabilidad a la BHE es costoso, lento y éticamente complejo (especialmente in vivo).

Aunque existen modelos de aprendizaje automático tradicionales (como Random Forest o XGBoost) que utilizan descriptores químicos predefinidos, y modelos de aprendizaje profundo que aprenden representaciones directamente de datos crudos (como SMILES), la integración de conocimientos de dominio (descriptores tabulares) con representaciones profundas (imágenes y texto) ha sido un área poco explorada. La falta de grandes conjuntos de datos estandarizados también limita el entrenamiento robusto de estos modelos.

2. Metodología: TITAN-BBB

Los autores proponen TITAN-BBB, una arquitectura de aprendizaje profundo multimodal que combina tres tipos de representaciones de datos derivadas de cadenas SMILES, fusionándolas mediante mecanismos de atención.

A. Extracción de Características Multimodales

El modelo procesa la entrada (SMILES) en tres ramas paralelas:

1. Modalidad Tabular: Se extraen descriptores químicos manuales utilizando el paquete RDKit. Incluye:
   • 217 descriptores 2D (propiedades fisicoquímicas, peso molecular, polaridad, etc.).
   • 166 claves MACCS (huellas dactilares binarias de subestructuras químicas).
   • Total: 383 características.
2. Modalidad de Imagen: Las cadenas SMILES se renderizan como imágenes 2D de moléculas. Estas imágenes se procesan mediante una red ResNet50 (congelada y preentrenada) para extraer embeddings de la capa convolutiva final (2048 dimensiones).
3. Modalidad de Texto: Se utiliza el modelo ChemBERTa-100M (congelado) como extractor de características. Se genera un vector de contexto único por molécula calculando la media de los embeddings de los tokens válidos (excluyendo el relleno).

B. Fusión y Proyección

• Proyección al Espacio Latente: Cada modalidad (con dimensiones heterogéneas: 383, 2048 y 768) pasa por un bloque de proyección específico que incluye normalización de capa, una capa lineal, activación ReLU y dropout. Todos los vectores se mapean a un espacio latente compartido de 2048 dimensiones.
• Mecanismo de Atención: Se emplea una red de atención aprendible para calcular pesos de importancia ($\alpha_1, \alpha_2, \alpha_3$) para cada modalidad (tabular, imagen, texto) de forma dinámica para cada molécula.
• Fusión: El vector final ($Z$) es la suma ponderada de los vectores proyectados según sus pesos de atención.
• Predicción: El vector fusionado se alimenta a una red feedforward (MLP) para realizar tareas de clasificación (permeable vs. no permeable) o regresión (predicción del coeficiente logBB).

3. Contribuciones Clave

1. Arquitectura Multimodal Innovadora: TITAN-BBB es la primera arquitectura que integra exitosamente descriptores químicos tradicionales (tabulares), representaciones visuales (CNN) y representaciones semánticas (Transformers) para la predicción de la BHE, superando la limitación de usar solo un tipo de dato.
2. Conjunto de Datos Agregado y Estandarizado: Los autores curaron y agregaron múltiples fuentes bibliográficas para crear el conjunto de datos más grande disponible hasta la fecha para este propósito:
   • 9,262 compuestos únicos para tareas de clasificación.
   • 1,147 compuestos (con valores logBB experimentales) para tareas de regresión.
   • Se estandarizaron las etiquetas y se eliminaron duplicados basándose en claves InChI.
3. Código y Modelos Abiertos: Se publicaron el código fuente, el modelo listo para inferencia y los conjuntos de datos en repositorios públicos (GitHub y Hugging Face).

4. Resultados Experimentales

El modelo se evaluó comparándolo con modelos clásicos (SVM, Random Forest, LightGBM), modelos basados en imágenes (ResNet, ViT), modelos basados en texto (ChemBERTa) y métodos del estado del arte (DeepBBBP, Deep-B3, MTGP).

• Tarea de Clasificación:
  • Logró una Precisión Equilibrada (Balanced Accuracy) del 86.5%.
  • Superó al estado del arte anterior en 3.1 puntos porcentuales.
  • Obtuvo el mejor rendimiento en especificidad (88.8%), precisión (94.0%) y AUC-ROC (93.5%).
• Tarea de Regresión (Predicción de logBB):
  • Logró un Error Absoluto Medio (MAE) de 0.436.
  • Redujo el error de regresión en un 20% en comparación con los mejores modelos existentes.
• Estudio de Ablación:
  • La modalidad tabular fue la más importante individualmente (83.4% de precisión equilibrada), pero la eliminación de las modalidades de imagen o texto degradó significativamente el rendimiento del modelo completo, demostrando que la complementariedad de las tres fuentes de datos es crucial para alcanzar el estado del arte.

5. Significado e Interpretabilidad

El análisis de interpretabilidad (usando Integrated Gradients, EigenCAM y SHAP) reveló:

• Las características tabulares aportaron la mayor parte de la importancia (más del 60% de los pesos de atención), lo que valida la relevancia de los descriptores fisicoquímicos tradicionales.
• La modalidad de imagen capturó la topología global de la molécula (regiones aromáticas).
• La modalidad de texto se centró en características semánticas locales y átomos funcionales específicos (como el nitrógeno en la nicotina).

Conclusión:
TITAN-BBB demuestra que combinar el conocimiento de dominio químico (descriptores) con la capacidad de representación profunda de los Transformers y las CNNs es una estrategia superior para predecir la permeabilidad de la BHE. Este enfoque no solo mejora la precisión predictiva, sino que ofrece una herramienta escalable y eficiente para la descubrimiento temprano de fármacos, reduciendo la dependencia de ensayos experimentales costosos.