L12 · 26 دقيقة
QSAR
واصفات + نشاط + نموذج.
التصميم الليبنديالتعلّم الآلي
أهداف التعلّم
- كتابة QSAR كـ: واصفات + نشاط مقيس + نموذج إحصائي + نطاق تطبيق.
- رفض تفسير الأوزان كآلية دون دليل بنيوي.
- التمييز بين جودة المطابقة على التدريب وجودة التنبؤ.
نموذج إحصائي يرتدي معطف كيمياء
QSAR يربط واصفات جزيئية بقياس نشاط (غالباً pIC50 أو pKi). الشكل الكلاسيكي خطي؛ الأشكال الحديثة غابات وشبكات. في كل الحالات: أنت تتعلّم ارتباطاً في مجموعة بيانات، لا قانون طبيعة. بلا وحدات نشاط متسقة وبلا بروتوكول فحص موحّد، النموذج يخلط ضجيج المختبر بـ SAR.
تشريح نموذج لا يُخجل في المناقشة
- مصدر النشاط: فحص واحد إن أمكن؛ لا تخلط IC50 من بروتوكولات مختلفة دون اعتراف.
- تمثيل: واصفات قابلة للتفسير أو بصمات؛ اذكر البرمجية والإصدار.
- تقسيم: scaffold-split أو زمني أفضل من عشوائي لسلسلة كيميائية.
- مقياس: RMSE وR² على الاختبار، لا R² التدريب وحده.
- نطاق تطبيق applicability domain: إلزامي قبل أي تنبؤ.
لماذا؟ — لماذا ما زال نموذج خطي بواصفات قليلة يُفضَّل أحياناً على شبكة عميقة؟
لأن بيانات SAR الحقيقية غالباً عشرات إلى مئات المركبات. النموذج البسيط يُفضح حين يحفظ الضجيج، ويمكن مناقشة معاملاته. الشبكة على N صغير تحفظ ثم تنهار عند أول hop.
ماذا لو؟ — ماذا لو نشرت QSAR بـ R² = 0.95 على التدريب دون مجموعة اختبار ودون applicability domain؟
هذا مطابقة منحنى، لا نموذج تنبؤي. أي جزيء جديد خارج محدب الواصفات تخمين، حتى لو أعطى البرنامج رقماً بثلاث خانات.
تمرين
لديك 80 مركباً من scaffold واحد وIC50 من مختبرات مختلفة. ما أول قرارين علميين قبل أن تلمس scikit-learn؟
مواضيع مرتبطة