Come le reti neurali imparano la forma delle molecole?

Le reti neurali hanno bisogno di capire bene le molecole per fare previsioni accurate. Un team di ricercatori ha testato un metodo diversente: invece di lasciare che la rete imiti la struttura chimica da sola, gliene è stata insegnata esplicitamente la base centrale, chiamata scaffold di Bemis-Murcko. Pensa alla scaffold come al telaio di una bicicletta: è la parte centrale a cui si attaccano i vari componenti. La rete ha imparato a raggruppare le molecole con scaffold simili, rendendo le previsioni più precise. I ricercatori hanno anche provato due modi diversi per organizzare gli spazi delle rappresentazioni: uno euclideo (come lo spazio 3D che conosciamo) e uno iperbolico (dove lo spazio si allarga all'infinito). Il metodo iperbolico ha funzionato meglio per organizzare le molecole, ma nessuno dei due è decisamente più veloce o preciso in tutti i casi. L'insegnamento esplicito della struttura sembra quindi dare risultati affidabili, anche se i benefici dipendono sempre dal tipo di proprietà chimica che si vuole prevedere.

Nel campo del machine learning applicato alla chimica, le rappresentazioni molecolari vengono apprese utilizzando tecniche di apprendimento non supervisionato. Questo significa che le reti neurali analizzano grandi quantità di dati chimici senza etichette esplicite, cercando di catturare relazioni nascoste. Il concetto di scaffold di Bemis-Murcko identifica la struttura centrale di una molecola, rimuovendo gruppi laterali e catene secondarie. Questo telaio strutturale è fondamentale perché determina molte delle proprietà chimiche della molecola. Gli spazi geometrici utilizzati per rappresentare le molecole possono seguire geometrie euclidee o iperbolliche. Nella geometria euclidea, le distanze seguono le regole della geometria tradizionale. Nella geometria iperbolica, invece, lo spazio presenta una curvatura negativa, permettendo di rappresentare gerarchie complesse con maggiore efficienza. Le funzioni di contrasto, come quelle usate in questo studio, spingono la rete a mantenere le molecole simili vicine nello spazio delle rappresentazioni. L'approccio basato sull'iperbolicità sembra particolarmente adatto a dati gerarchici, come le relazioni tra scaffolds chimiche. Tuttavia, i benefici specifici dipendono fortemente dal compito target e dalla qualità dei dati disponibili.