Badacze stworzyli zautomatyzowany workflow sztucznej inteligencji do poszukiwania nowych inhibitorów EGFR, ukierunkowany na oporne mutacje w raku płuca. System integruje wiele zaawansowanych narzędzi - od baz danych chemicznych po generatywne projektowanie molekuł - w spójny pipeline analityczny.
Proces rozpoczyna się od zgromadzenia i oczyszczenia danych dotyczących aktywności biologicznej EGFR z ChEMBL. RDKit zajmuje się standaryzacją struktur molekularnych, usuwaniem soli i agregacją pomiarów. Algorytm tworzy fingerprinty Morgana oraz oblicza deskryptory fizykochemiczne, co pozwala modelowi uczenia się operować na chemicznie znaczących reprezentacjach zamiast surowych danych tekstowych. Random Forest trenowany jest w oparciu o podziały scaffold - rozdzielające tlenowe struktury molekuł na nieznanej dla modelu chemii, co lepiej mierzy zdolność generalizacji.
Interpretacja modelu odbywa się przy pomocy SHAP, umożliwiającego wizualizację wpływu poszczególnych fragmentów molekularnych na przewidywaną potencję. Ostatni etap idzie dalej niż sama predykcja - system generuje nowe potencjalne leki poprzez rekombinację fragmentów BRICS pochodzących z aktywnych, gotowych do biopróby molekuł. Kandydaci są oceniani wielokryterialnie: potencja biologiczna, lipo-powinność, możliwość syntezy, nowość strukturalna i właściwości rozwojowe. Systemy sieciowe sprawdzają także, czy proponowane struktury już nie istnieją w bazie PubChem. Taki zautomatyzowany workflow skraca czas eksploracji chemicznej i potencjalnie przyspiesza opracowanie terapii dla trudnych do leczenia wariantów genetycznych.