Bio-CHEDMOLS: un nuevo programa para estudios QSAR en informática química y biológica

Abstract

La rama científica de estudios QSAR cuenta actualmente con muchos programas para su trabajo investigativo. Tales herramientas de propósito general ignoran especificidades y métodos propios de la investigación en QSAR. Estos han sido creados para los diferentes sistemas, sin garantizar una complementación entre ellos sin tener que cambiar de ambiente. Varios de estos no se pueden utilizar con fines educativos pues sus detalles de configuración y modos de trabajo son difíciles de comprender. La mayoría, tienen demasiadas técnicas para la construcción de modelos de clasificación y pocas de regresión, no realizan un análisis adecuado sobre aspectos como la división racional de la data. También ocurre con estos que carecen o tienen pobres los procedimientos para realizar la validación de los modelos. No existe un programa, libre o comercial ya sea para su uso en docencia como en la investigación, que integre los métodos del aprendizaje automático con los métodos propios de la investigación en QSAR de modo que están accesibles los mejores métodos de cada una de estas ramas. Por tanto el objetivo de este trabajo es la creación de una herramienta computacional que integre los métodos del aprendizaje automático con los métodos propios de la investigación en QSAR de modo que estén accesibles los mejores métodos de cada una de las ramas que se integran. Es decir, desarrollar y evaluar, partiendo de Weka, un nuevo programa que permita el desarrollo de modelos de clasificación y regresión en estudios QSAR de Informática Química y Biológica.

The scientific section of QSAR studies has currently a lot of programs for its research wok. Such programs in general ignore details and methods inherent to QSAR research. These have been created for the different systems, without guaranteeing complementation among them and with changing the system. A big group of this before mentioned programs cannot be used for tutorials because their configuration details and ways of work are too difficult to understand. Also, they have too much techniques for models building of classification and too few regressions; they do not perform adequate analysis about aspects as the rational division of data. Besides happens that these programs have poor methods or even do not have the procedures to perform models validation. There exists no program, free or commercial, that can be used as teaching and as research, that can join, that integrates machine learning methods with the own methods of research in QSAR in a way that anyone can use the best methods of each one of these branches of research in the world of science. Therefore, the objective of this work is the creation of a computational tool that integrates machine learning methods in QSAR in way that the best methods are accessible in any of the fields involved. In other words, develop and evaluate, from Weka, a new program that allows the development of classification and regression models in QSAR studies of Chemical and Biological Informatics.