Neural network and deep-learning algorithms used in QSAR studies: merits and drawbacks

Abstract

Las dos últimas décadas se consideran la edad de oro del uso de redes neuronales (NN) en quimioinformática. Sin embargo, han surgido dos problemas importantes en relación con su uso: los problemas de redundancia cuando se trata de conjuntos de datos pequeños, y el gran número de compuestos con miles de descriptores, que da lugar a graves problemas de sobreajuste. Se han ideado varios algoritmos de NN, basados en métodos de selección de características y algoritmos de aprendizaje, para evitar estos problemas en el descubrimiento de fármacos. En los últimos años, la eliminación del problema del sobreajuste se ha convertido en otro reto, lo que ha dado lugar a la aparición de redes de aprendizaje profundo (deep-learning, DL) que utilizan técnicas innovadoras. En este artículo se analizan las ventajas y desventajas de los algoritmos de NN propuestos, especialmente las innovadoras técnicas de DL utilizadas en el cribado virtual (VS) basado en ligandos.