Aplicação da rede neural recorrente gated recurrent unit na classificação multirrótulo de relações entre estrutura química e atividade biológica.

Abstract

O uso de técnicas computacionais tornou-se vital na descoberta de reagentes e medicamentos, especialmente quando alinhado a métodos modernos como o aprendizado de máquina. Este estudo explora a aplicação do aprendizado profundo, utilizando o modelo Gated Recurrent Unit (GRU), na previsão da atividade química de compostos biológicos de múltiplos alvos por meio da modelagem entre estrutura química e atividade biológica. A pesquisa envolve um extenso pré-processamento de dados, incluindo a limpeza e tokenização de sequências SMILES, seguido da transformação em formatos adequados para entrada no modelo GRU. Os resultados demonstram que o modelo GRU, apesar de sua arquitetura simplificada, pode prever efetivamente interações moleculares. Embora não atinja a mesma precisão de modelos mais complexos e com uso intensivo de dados, ele abre possibilidades para processos de descoberta mais rápida e econômica de medicamentos. Este estudo não só destaca o potencial das redes GRU em quimioinformática, mas também defende a exploração de modelos mais simples e eficientes em campos tradicionalmente dominados por abordagens mais complexas.