Ark-ADMET: endpoint-specific selection of molecular representations and hyperparameters for gradient-boosted ADMET models under the Therapeutics Data Commons benchmark protocol

El desarrollo de un nuevo medicamento es un proceso de eliminación que comienza mucho antes de que una píldora llegue al estante de una farmacia. Los científicos deben predecir cómo se comportará un compuesto químico dentro del cuerpo humano, planteándose una serie de preguntas críticas: ¿Será absorbido por el intestino? ¿Viajará al cerebro? ¿Lo descompondrá el hígado demasiado rápido o envenenará el corazón? Estas propiedades, conocidas colectivamente como ADMET, determinan si una molécula prometedora se convierte en un fármaco que salva vidas o en un experimento fallido. Debido a que probar estos rasgos en sistemas vivos es lento y costoso, los investigadores recurren a modelos informáticos para filtrar miles de candidatos. Estos modelos actúan como un filtro, utilizando patrones matemáticos para adivinar el destino de una molécula basándose en su forma y composición química. Sin embargo, los procesos biológicos que intentan predecir son tremendamente diferentes entre sí; una regla que ayuda a predecir la toxicidad hepática podría ser inútil para predecir qué tan bien se disuelve un fármaco en agua.

Durante años, el enfoque estándar en este campo ha sido aplicar un modelo informático único y uniforme para cada pregunta. Los investigadores tomaban un tipo de representación matemática de una molécula y un algoritmo específico, y luego ejecutaban esa misma configuración en las veintidós pruebas biológicas diferentes disponibles en una importante base de datos pública. Este método de "talla única" asume que la mejor manera de describir una molécula para una tarea es también la mejor para todas las demás tareas. Un nuevo estudio desafía esta suposición. Los investigadores detrás del trabajo, conocidos como Ark-ADMET, argumentan que, debido a que estas preguntas biológicas son tan distintas, las herramientas utilizadas para responderlas deberían ser también igual de variadas. En lugar de forzar una única receta para veinte y dos problemas diferentes, se propusieron ver si la personalización del enfoque para cada pregunta específica podía ofrecer mejores resultados sin inventar una tecnología completamente nueva.

El equipo trabajó dentro del Therapeutics Data Commons, una gran colección pública de datos utilizada para evaluar el rendimiento de diferentes modelos informáticos. Se centraron en veintidós parámetros específicos, que van desde cómo un fármaco se mueve a través de la sangre hasta si causa daño hepático. En lugar de construir una nueva y compleja red neuronal desde cero, tomaron un motor probado y fiable llamado modelo de árbol de gradiente potenciado (gradient-boosted tree) y lo combinaron con un proceso de selección flexible. Reunieron un conjunto de herramientas para describir una molécula. Este conjunto incluía huellas dactilares químicas estándar que mapean la disposición de los átomos, mediciones tridimensionales de la forma de la molécula y representaciones (embeddings) avanzadas generadas por computadora que capturan patrones estructurales complejos. También incluyeron una red neuronal secundaria más simple que podía mezclarse con el modelo principal.

El núcleo de su trabajo fue un protocolo de selección estricto diseñado para evitar el sesgo. En muchos estudios, los investigadores podrían ajustar su modelo después de ver los resultados finales de la prueba para que los números parezcan mejores, pero esto introduce sesgo. Para evitarlo, el equipo dividió sus datos cuidadosamente. Utilizaron una porción específica de los datos, llamada conjunto de validación interna, para decidir qué herramientas conservar para cada una de las veintidós preguntas. Si una nueva combinación de descripciones moleculares o un ligero ajuste en la configuración del modelo mejoraba la puntuación en este conjunto interno, lo conservaban. Si no era así, mantenían la versión anterior. Crucialmente, nunca miraron los datos de prueba finales y ocultos hasta que todas las decisiones estuvieran cerradas. Esto aseguró que cualquier mejora observada fuera genuina y no simplemente un golpe de suerte.

Los resultados demostraron que la personalización funciona. Cuando compararon sus veintidós modelos únicos y personalizados contra una instantánea congelada de la tabla de clasificación pública, su enfoque igualó o superó las mejores puntuaciones existentes en siete de las veintiuna preguntas clasificables. En tres de esas preguntas, sus puntuaciones fueron estrictamente mejores que cualquier resultado registrado anteriormente. Por ejemplo, mejoraron la predicción de la rapidez con la que un fármaco es eliminado por microsomas hepáticos y qué tan bien se une a las proteínas sanguíneas. El estudio reveló que no existe un único conjunto de características que funcione para todo. Para algunas preguntas, añadir una descripción de la forma tridimensional ayudaba; para otras, empeoraba las cosas. Para algunas, un tipo específico de representación gráfica por computadora era esencial; para otras, era ignorado por completo. La única característica que permaneció en todos los modelos fue un bloque central de huellas dactilares químicas estándar, pero todo lo demás fue elegido específicamente para la tarea en cuestión.

Curiosamente, el estudio también destacó los límites de los datos. Los modelos que mejor funcionaron fueron generalmente aquellos donde los investigadores tenían un gran número de ejemplos de entrenamiento para trabajar. En las preguntas donde los modelos obtuvieron clasificaciones más bajas, los conjuntos de datos eran a menudo muy pequeños, con menos de mil ejemplos. Esto sugiere que, cuando hay muy pocos datos para aprender, incluso la selección más inteligente de herramientas no puede encontrar fácilmente una mejor respuesta. Los investigadores también señalaron que, para una tarea específica relacionada con la lipofilicidad de los fármacos, un tipo diferente de modelo llamado red de paso de mensajes (message-passing network) superó su enfoque basado en árboles, demostiendo que ningún algoritmo es superior para cada trabajo individual.

Los hallazgos ofrecen un camino práctico para el campo. Los investigadores demostraron que el rendimiento competitivo no requiere inventar una arquitectura nueva y no probada o forzar un único conjunto de características en cada problema. Simplemente seleccionando la combinación adecuada de herramientas existentes y publicadas para cada pregunta biológica específica, lograron resultados de primer nivel. Este enfoque respeta la naturaleza única de cada parámetro biológico. Sugiere que, en el futuro, la forma más eficaz de predecir el comportamiento de un fármaco podría no ser construir un modelo más grande y complejo, sino ser más meticuloso sobre qué herramientas específicas se utilizan para responder a cada pregunta específica. El estudio concluye que no se requiere una receta uniforme para el éxito; en cambio, un enfoque personalizado, basado en una validación rigurosa, proporciona una alternativa poderosa y accesible para avanzar en el descubrimiento de fármacos.