Reti di prior molecolari

Abstract degli autori

Prevedere l’affinità tra piccole molecole e i rispettivi bersagli proteici resta uno dei problemi centrali nella scoperta di farmaci. A causa dei costi considerevoli degli esperimenti di laboratorio, i modelli di machine learning per l’affinità tra farmaci e bersagli vengono solitamente addestrati su dataset relativamente piccoli, che vanno da decine a centinaia di molecole. Data la difficoltà intrinseca di generalizzare tra bersagli diversi e serie chimiche diverse, i dataset esistenti sulle affinità proteina-ligando in genere non vengono utilizzati nei nuovi progetti. Allo stesso tempo, i modelli fondazionali tabulari, tra cui Prior-data Fitted Networks, hanno mostrato di recente come i transformer possano essere usati per risolvere problemi di machine learning con un unico passaggio in avanti della rete, dopo essere stati addestrati su un ampio corpus di dataset, in genere sintetici. Ispirandoci a questo filone di ricerca, proponiamo un nuovo approccio alla modellazione dell’affinità, in cui le etichette delle molecole query vengono predette a partire dalle molecole di supporto etichettate con un unico passaggio in avanti di un modello transformer. Il modello è addestrato su migliaia di dataset di affinità esistenti, il che gli consente di cogliere gli schemi generali dell’attività molecolare tra bersagli diversi, serie chimiche diverse e dataset di dimensioni diverse. Per i set di supporto più piccoli, il nostro modello eguaglia lo stato dell’arte nella variante di regressione del benchmark FS-Mol ed è più veloce dei metodi esistenti, grazie all’assenza di addestramento specifico per il task. Un confronto con una variante ridotta della nostra architettura, che equivale a una regressione kernel in uno spazio delle caratteristiche appreso tramite meta-learning, mostra che le prestazioni predittive del modello transformer sono spiegate solo in parte dalla semplice similarità molecolare.