Minicurso 1: Construção e validação de modelos de QSAR
Gravado no evento IV Simpósio Nacional em Ciências Farmacêuticas – SINCIFAR · 2 h 45 min de gravação
Sobre o conteúdo
O vídeo apresenta a continuação do "Minicurso 1: Construção e validação de modelos de QSAR", ministrado durante o IV Simpósio Nacional em Ciências Farmacêuticas – SINCIFAR. Inicialmente, o palestrante discute as diferenças entre modelos lineares e não lineares, ressaltando que, embora redes neurais e algoritmos de aprendizado de máquina como Random Forest ofereçam previsões acuradas, os modelos lineares se destacam pela facilidade de interpretação físico-química e mecanística a partir dos coeficientes da equação de regressão.
Em seguida, detalha-se a importância crucial do pré-processamento de dados antes de qualquer regressão por PLS. São descritas técnicas como a centralização na média e o autoescalamento (auto-scaling), demonstrando graficamente como o ajuste da média para zero e do desvio padrão para um é fundamental quando se comparam descritores químicos de grandezas e ordens de magnitude díspares, como energias de orbitais moleculares e propriedades termodinâmicas.
O palestrante aprofunda o conceito de sobreajuste (overfitting) e apresenta os parâmetros estatísticos usados para avaliar a capacidade preditiva e a robustez dos modelos. Entre os índices abordados estão o R², Q², PRESS, RMSEC e RMSEP, detalhando parâmetros de corte adotados na literatura para certificar a qualidade dos modelos. Também é apresentado o algoritmo OPS (Ordered Predictors Selection), desenvolvido pelo próprio pesquisador, que ordena e seleciona os descritores mais relevantes com base em vetores informativos de correlação, regressão ou no vetor produto.
Na etapa seguinte, são explicados métodos rigorosos de validação, incluindo a validação cruzada leave-N-out (com remoção gradual de até 25% da amostragem), os testes de randomização de Y (Y-randomization) para afastar correlações ao acaso, e a detecção de outliers utilizando resíduos de Student e valores de leverage. A necessidade de justificar química ou experimentalmente a eliminação de qualquer composto anômalo é enfatizada, assim como a divisão de conjuntos de treino e teste mediante validação externa, destacando métodos como o algoritmo de Kennard-Stone.
Por fim, após um breve intervalo, é conduzida uma atividade prática interativa em máquinas virtuais remotas disponibilizadas pela UFMG. Os participantes realizam o fluxo completo de modelagem no software QSAR-modeling em sua versão original em Java e conhecem novidades da versão em desenvolvimento em Python, incluindo seleção de variáveis por algoritmos genéticos (GA). A atividade encerra com respostas a perguntas do público e apresentação das linhas de pesquisa do laboratório.
O que é abordado
- Modelos lineares versus não lineares em QSAR
- Pré-processamento: média centrada e autoescalamento
- Parâmetros estatísticos e prevenção de overfitting
- Algoritmo OPS (Ordered Predictors Selection)
- Técnicas de validação: Leave-N-Out e Y-randomization
- Detecção de outliers e validação externa
- Intervalo
- Apresentação do software QSAR-modeling
- Prática guiada no QSAR-modeling (Java)
- Novos recursos no QSAR-modeling em Python (GA e validação externa)
- Dúvidas, encerramento e contatos
Dúvidas que o conteúdo responde
Qual a principal vantagem dos modelos lineares em relação aos métodos não lineares em QSAR?
Os modelos lineares permitem interpretar diretamente a contribuição de cada descritor molecular para a atividade biológica através dos coeficientes da equação de regressão, facilitando a compreensão do mecanismo de ação.
Por que o autoescalamento (auto-scaling) é indispensável em estudos de QSAR 2D?
Porque descritores moleculares distintos (como energias orbitais HOMO/LUMO, cargas atômicas e área superficial) possuem faixas de valores e ordens de grandeza muito heterogêneas. O autoescalamento traz todos os descritores para média zero e desvio padrão unitário, impedindo que grandezas numericamente muito grandes masquem a importância de variáveis com valores absolutos pequenos.
Qual é a função do teste de randomização de Y (Y-randomization)?
Consiste em permutar aleatoriamente os valores experimentais da atividade biológica entre as moléculas e reconstruir o modelo. Espera-se que todos os modelos obtidos apresentem desempenho ruim (Q² e R² baixos); se algum modelo com atividades trocadas apresentar bom ajuste, indica-se risco de correlação fortuita (ao acaso).
Quando é aceitável remover um outlier do conjunto de calibração?
Deve-se evitar ao máximo a remoção de amostras em QSAR devido ao tamanho tipicamente reduzido dos conjuntos de dados. Caso seja inevitável, a exclusão precisa ser rigorosamente justificada por razões químicas ou incongruências comprovadas na metodologia de medição experimental da atividade biológica.
Assuntos
Palestrantes

João Paulo Ataide Martins
Ministrante
Possui graduação em Bacharelado em Ciência da Computação pela Universidade Federal do Piauí (2001), mestrado em Química pela Universidade Federal do Piauí (2005) e doutorado em Química pela Universidade Estadual de Campinas (2013). Atualmente é professor da Universidade Federal de Minas Gerais. Tem experiência na área de Ciência da Computação, Desenvolvimento de Sistemas, Linguagens de Programação, Química teórica, Quimiometria, Modelagem Molecular, Docking e Relações Quantitativas Estrutura-Atividade (QSAR).
Outros conteúdos deste evento
Gravados no evento IV Simpósio Nacional em Ciências Farmacêuticas – SINCIFAR
Palestra patrocinada 3: Uma abordagem holística para o mercado de vacinas e adjuvantes
Gravado no evento IV Simpósio Nacional em Ciências Farmacêuticas – SINCIFAR
A palestra aborda o panorama global e latino-americano do mercado de vacinas e adjuvantes farmacêuticos, destacando a atuação e as tecnologias da Croda. São detalhados os papéis…
Ver resumo e capítulos