Modelos generativos interpretables para diseño de novo de moléculas

Abstract

La línea de investigación propone desarrollar y evaluar estrategias avanzadas de modelado molecular basadas en algoritmos generativos para el diseño de fármacos. En primer lugar, se realizará una revisión sistemática de modelos generativos aplicados al diseño molecular, analizando su representación química, capacidad generativa y posibilidades de integración de múltiples fuentes de datos. Luego, se compararán experimentalmente distintos enfoques y se implementarán mejoras, incluyendo la incorporación de nuevas métricas de evaluación. En paralelo, se estudiarán estrategias de modelado de relaciones cuantitativas estructura-actividad (Quantitative Structure-Activity Relationship, QSAR) para validar las moléculas generadas, comparando modelos de consenso basados en redes neuronales profundas individuales frente a modelos multitarea, considerando propiedades ADMET, actividad biológica y otras características relevantes. Los modelos generativos y predictivos más prometedores se integrarán mediante aprendizaje por refuerzo para optimizar simultáneamente múltiples propiedades. Asimismo, se incorporarán estrategias de explicabilidad (XAI) y analítica visual para facilitar la interpretación de resultados y la integración del conocimiento experto. Finalmente, se desarrollará una solución quimioinformática integral orientada al diseño y validación de quimiotecas virtuales, evaluando su desempeño mediante cribado virtual en proyectos de descubrimiento de fármacos.