Nueva codificación algebraica de la estructura molecular y su aplicación en el ajuste de modelos predictivos

Abstract

El presente trabajo describe un nuevo método de construcción de atributos orientado a codificar la información estructural de las moléculas. Basado en las formas lineal, bilineal y cuadrática, utiliza las matrices de densidad-electrónica grafo-teórica y las propiedades atómicas como ponderaciones, que actúan como matriz operadora y vectores, respectivamente, en el producto cartesiano definido por las formas algebraicas. Se introduce, por vez primera, los formalismos de balanceo y normalización matricial basados en los esquemas doble estocástico y de probabilidad mutua, las restricciones de conectividad aplicadas sobre la matriz operadora, la codificación localizada para distintos grupos o fragmentos químicos predeterminados y la generalización de la combinación lineal para índices atómicos aplicando una serie de operadores globales de agregación. Se presenta un análisis de variabilidad basado en entropía de Shannon, donde la codificación propuesta tiene mejor comportamiento que otras utilizadas en estudios quimio-informáticos y un análisis de componentes principales donde los descriptores moleculares basados en las formas algebraicas, codifican información estructural ortogonal a la capturada por los descriptores del software DRAGON. Para obtener una medida de la utilidad de los nuevos índices se realiza, finalmente, un estudio QSAR/QSPR para la afinidad de acoplamiento a la corticosteroide-binding globulin a partir del conjunto de datos propuesto por Cramer, considerando todos los casos como conjunto de entrenamiento y también dividiéndolos en conjunto de entrenamiento y en conjunto de prueba, obteniéndose parámetros estadísticos de comparables a superiores respecto a establecidas metodologías reportadas en la literatura.