Zyski:
- Umiejętność rozróżnienia cech obliczonych deterministycznie od cech oszacowanych statystycznie oraz określenia poziomów ufności
- Umiejętność oceny regionu, w którym model jest wiarygodny, przy wykorzystaniu koncepcji dziedziny stosowalności
- Umiejętność zrozumienia, że należy korzystać z przewidywań cech, aby uszeregować kandydatów i podjąć ostateczną decyzję w drodze eksperymentów.
Przed syntezą cząsteczki często zadajemy sobie pytanie: „Czy jest ona rozpuszczalna w wodzie? Jak bardzo jest kwaśna? Czy przenika przez błonę komórkową? Czy może być kandydatem na lek?” Przewidywanie odpowiedzi na te pytania przed eksperymentem pozwala zaoszczędzić dużo czasu. Sztuczna inteligencja i jej wyspecjalizowane modele (zwłaszcza QSAR – Quantitative Structure-Activity Relationship, czyli model statystyczny, który przewiduje właściwość na podstawie deskryptorów strukturalnych cząsteczki) są potężne w tych przewidywaniach. Ale te przewidywania są przewidywaniami prawdopodobieństwa, a nie pomiarami. W tej części poznamy przewidywanie cech, jego mocne strony i najważniejszą koncepcję, czyli strefę stosowalności (region, w którym model jest niezawodny).
Jakie cechy są przewidywane?
- logP: współczynnik podziału cząsteczki olej/woda; Wykazuje lipofilowość (lubienie tłuszczu). Krytyczny w wchłanianiu leków.
- Rozpuszczalność (logS): Stopień rozpuszczalności w wodzie.
- pKa: Kwasowość/zasadowość; pH, przy którym grupa jonizuje.
- TPSA: Topologiczny obszar powierzchni polarnej; Stosowany jest do oceny przepuszczalności.
- „Reguła pięciu” Lipińskiego: Praktyczne progi masy cząsteczkowej, logP, liczby dawców/akceptorów wiązań wodorowych kandydatów na leki doustne.
Część z tych wartości wyliczana jest deterministycznie (np. TPSA, liczby wiązań wodorowych) za pomocą narzędzi takich jak RDKit; Część z nich to szacunki statystyczne (logS, aktywność biologiczna). Znajomość tego rozróżnienia określa, jak bardzo ufasz.
Wskazówka: rozróżnij, czy cecha jest „obliczona” (oparta na regułach, powtarzalna) czy „przewidywana” (na podstawie modelu, niepewna). Miej duże zaufanie do obliczeń, ostrożne zaufanie do przewidywań i weryfikuj przewidywania eksperymentalnie.
Zakres zastosowania: najważniejsza koncepcja
Model QSAR działa dobrze w przypadku cząsteczek podobnych do cząsteczek, na których był trenowany. Jeśli podasz cząsteczkę, która bardzo różni się od danych uczących (na przykład bardzo duży, nietypowy szkielet), model nadal wygeneruje liczbę, ale liczba ta będzie niewiarygodna. Nazywa się to „byciem poza zakresem zastosowania”. Model zawsze daje odpowiedź; Twoim zadaniem jest stwierdzić, czy odpowiedź jest wiarygodna, czy nie.
Jest to jeszcze bardziej ryzykowne, gdy model językowy podaje wartość atrybutu: generuje liczbę jako wartość „prawdopodobnie wyglądającą”, bez żadnych obliczeń. Jeśli więc to możliwe, pobierz wartości cech z narzędzia deterministycznego (RDKit) lub modelu QSAR, który daje niepewność, a nie z modelu językowego.
Krok po kroku: przewidywanie bezpiecznych funkcji
- Zweryfikuj cząsteczkę: Przeanalizuj SMILES za pomocą RDKit (część 2).
- Oblicz liczby deterministyczne: MA, logP (obliczone), TPSA, liczby wiązań wodorowych z RDKit.
- Oznacz prognozy osobno: Zachowaj prognozy modelu, takie jak logS, aktywność itp., za pomocą tagu „predykcja”.
- Sprawdź dziedzinę zastosowania: Czy cząsteczka wygląda jak dane szkoleniowe? Czy jest wyjątkowo duży/nietypowy?
- Użyj do rankingu, a nie do decyzji: użyj prognoz, aby uszeregować kandydatów; Ostatecznym wyborem jest eksperyment.
- Blisko eksperymentu: Zweryfikuj krytyczne właściwości (rozpuszczalność, pKa) poprzez pomiar.
Cztery szablony do kopiowania
1) Funkcje deterministyczne w RDKit:
z rdkit import Chemfrom rdkit.Chem import deskryptorów, rdMolDescriptorsmol = Chem.MolFromSmiles("CC(=O)Oc1ccccc1C(=O)O") # aspirinprint("MA:", round(Descriptors.MolWt(mol),2))print("logP (obliczony):", round(Descriptors.MolLogP(mol),2))print("TPSA:", round(Descriptors.TPSA(mol),1))print("Donor wiązania H:", rdMolDescriptors.CalcNumHBD(mol))print("Akceptor wiązania H:", rdMolDescriptors.CalcNumHBA(mol))
2) Ocena reguły Lipińskiego:
Cząsteczka (SMILES): [SMILES]Zadanie: Oceń zgodność z zasadą pięciu Lipińskiego za pomocą wartości MA, logP, HBD, HBA obliczonych z RDKit. Oznacz każde kryterium osobno jako pozytywne/niezaliczone. Zasada: NIE wymyślaj liczb; Dostanę to od RDKit, komentujesz.
3) Oszacowanie cechy + żądanie niepewności:
Cząsteczka (SMILES): [SMILES]Zadanie: Podaj jakościowe oszacowanie rozpuszczalności w wodzie (logS) (wysoka/średnia/niska) i wyjaśnij uzasadnienie cechami strukturalnymi. Nie podawaj dokładnej liczby; Podaj, że jest to PRZEWIDYWANIE i należy je potwierdzić eksperymentalnie. Ostrzegaj, jeśli cząsteczka ma nietypową strukturę (ryzyko zastosowania).
4) Ranking kandydatów (priorytetyzowanie na podstawie przewidywania):
Poniżej znajdują się SMILES 5 cząsteczek. Zadanie: Uszereguj je pod względem rozpuszczalności w wodzie (najbardziej rozpuszczalne do najmniej) w oparciu o cechy strukturalne (liczba grup polarnych, pierścieni, lipofilowość). Napisz uzasadnienie każdej decyzji dotyczącej rankingu. Uwaga: jest to sortowanie WSTĘPNE; Ostateczny wybór zostanie dokonany na podstawie pomiaru.
Słaba zachęta/silna zachęta
Słabe:
Jaka jest rozpuszczalność tej cząsteczki?
IZ tworzy liczbę, która nie istnieje w obliczeniach (np. „12 mg/ml”); Daje pewność, ale może być błędna.
Mocny:
Cząsteczka (SMILES): [SMILES].Zadanie: 1) Podam logP, TPSA, HBD/HBA do obliczenia za pomocą RDKit: [wartości].2) Na podstawie tych wartości zinterpretuj, czy rozdzielczość jest wysoka/średnia/niska.3) Podanie dokładnej liczby; Powiedz, że są to domysły i wymagane są eksperymenty.
Różnica: pobraliśmy deterministyczne wartości z pojazdu i zmusiliśmy sztuczną inteligencję do ich zinterpretowania; Wyraźnie poprosiliśmy o niepewność i potrzebę eksperymentowania.
Typy funkcji i poziom zaufania
funkcja
Jak zdobyć
zaufaj
uwaga
masa cząsteczkowa
RDKit (deterministyczny)
bardzo wysoki
Wytnij ze wzoru
TPSA, HBD/HBA
RDKit (deterministyczny)
wysoki
oparte na zasadach
logP (obliczony)
Model RDKita
średnio-wysoki
Może odbiegać od eksperymentalnego
logS (rozdzielczość)
Szacunki QSAR
średni
Zależy od obszaru zastosowania
pKa
specjalny model
średni
Mieści się w złożonej strukturze
aktywność biologiczna
QSAR/ML
Zmienna
Koniecznie przetestuj i zweryfikuj
mini etui
Przypadek 1 – Liczba zamontowanych rozdzielczości. Student zapytał AI o rozpuszczalność związku; Otrzymał odpowiedź „25 mg/ml” i zgodnie z nią ułożył projekt eksperymentu. Rzeczywista wartość pomiaru wyniosła ~2 mg/ml, co stanowi 10-krotną różnicę. Sztuczna inteligencja wymyśliła tę liczbę. Lekcja: nie traktuj właściwości takich jak rozdzielczość jako liczb z modelu językowego; prognoza jakościowa + pomiar.
Przypadek 2 – Poza zakresem zastosowania. Model QSAR stwierdził, że „aktywność jest wysoka” w przypadku dużej makrocząsteczki, która bardzo różniła się od zbioru uczącego. Użytkownik zauważył, że cząsteczka nie przypomina danych uczących i uznał prognozę za niewiarygodną; Eksperyment dał naprawdę niską aktywność. Lekcja: model zawsze reaguje; Jeśli wykracza to poza zakres, odpowiedź jest bezwartościowa.
Przypadek 3 — Prawidłowe użycie Lipińskiego. Na jednej potencjalnej cząsteczce AI oceniła Lipińskiego na podstawie wartości z RDKit: MA 512 (>500, granica), logP 4,8 (korzystny), HBD 2, HBA 7. Użytkownik poprawnie zinterpretował „pozostaje jedno kryterium, ale reguła nie jest absolutna” i nie wyeliminował całkowicie cząsteczki. Lekcja: zasady są wytycznymi, a nie progami; Interpretuj z kontekstem.
Typowe błędy
- Pobieranie liczby funkcji z modelu języka. Wartości, które nie są obliczone, są sfabrykowane; Użyj deterministycznego narzędzia lub modelu z niepewnością.
- Ignorowanie zakresu zastosowania. Model generuje liczby dla każdej cząsteczki; niewiarygodny poza boiskiem.
- Biorąc pod uwagę szacunkowy pomiar. logS jest wartością szacunkową; Nie zastępuje rozdzielczości eksperymentalnej.
- Uznanie Lipińskiego za absolutną regułę. Kandydat znajdujący się na granicy nie jest automatycznie eliminowany; Wiele leków narusza tę zasadę.
- Mylisz „obliczone” z „szacowanymi”. Obliczenie TPSA (wiarygodne), oszacowanie aktywności (niepewne).
Uwaga: przewidywania funkcji doskonale nadają się do rankingu i ustalania priorytetów kandydatów; ale nie po to, aby samodzielnie podjąć decyzję. „Model powiedział, że rozpuszczalny” jest hipotezą; Rezultatem jest „Zmierzyłem, rozpuszcza się”.
Podsumowując
- Właściwości molekularne można przewidzieć przed eksperymentem, co pozwala zaoszczędzić dużo czasu.
- Część cech jest obliczana deterministycznie (MA, TPSA, HBD/HBA), część ma charakter szacunkowy statystyczny (logS, aktywność).
- Dziedzina zastosowania jest pojęciem najbardziej krytycznym: model zawsze odpowiada, ale poza tą dziedziną jest zawodny.
- Uzyskaj liczbę funkcji z RDKit lub modelu niejednoznaczności, a nie modelu języka.
- Użyj prognoz, aby uszeregować kandydatów; Podejmij ostateczną decyzję eksperymentując.
Zadanie aplikacji
Wybierz pięć cząsteczek (np. serię leków). Oblicz MA, logP, TPSA, HBD, HBA dla każdego z RDKit i oceń Lipińskiego. Osobno poproś sztuczną inteligencję o jakościową ocenę (nie liczbę) rozpuszczalności każdej cząsteczki i ostrzeżenie dotyczące zakresu zastosowania. Zbieraj deterministyczne wartości i przewidywania AI w tabeli. Która cząsteczka miała profil najbardziej przypominający lek? Gdzie jest największa niepewność?
lista kontrolna
- [ ] Rozróżniam deterministyczne właściwości obliczone i przewidywane.
- [ ] Otrzymuję wartości właściwości z RDKit/modelu, a nie z modelu języka.
- [ ] Zauważam cząsteczki poza zakresem zastosowania.
- [ ] Traktuję Lipińskiego jako wskazówkę, a nie absolutną regułę.
- [ ] Używam przewidywań do rankingu i podejmowania decyzji w eksperymentach.
- [ ] Mam plan zweryfikowania krytycznych cech poprzez pomiar.