Dominio de aplicabilidad

En química y aprendizaje automático , el dominio de aplicabilidad (DA) de un modelo de relación cuantitativa estructura-actividad (QSAR) define los límites dentro de los cuales se consideran fiables las predicciones del modelo. Representa el espacio químico, estructural o biológico cubierto por los datos de entrenamiento utilizados para construir el modelo. En esencia, el DA tiene como objetivo determinar si un nuevo compuesto se encuentra dentro del ámbito de aplicabilidad del modelo, asegurando que se cumplan los supuestos subyacentes del mismo. Las predicciones para compuestos dentro del DA generalmente se consideran más fiables que las que se encuentran fuera, ya que el modelo es válido principalmente para la interpolación dentro del espacio de datos de entrenamiento, en lugar de la extrapolación . Por ejemplo, el documento de orientación de la Organización para la Cooperación y el Desarrollo Económicos (OCDE) sobre la validación de modelos (Q)SAR establece que, para tener un modelo (Q)SAR válido para fines regulatorios, el dominio de aplicabilidad debe estar claramente definido. ^{[ 1 ]}

Aunque no existe un único algoritmo universalmente aceptado para definir el dominio de aplicabilidad, se emplean varios métodos comúnmente para caracterizar el espacio de interpolación. ^{[ 2 ] [ 3 ]} Los métodos geométricos y basados ​​en rangos, como la caja delimitadora y la envoltura convexa, los métodos basados ​​en distancias, como la distancia euclidiana o de Mahalanobis, y las estrategias basadas en la distribución de densidad de probabilidad se utilizan comúnmente en tareas de quimioinformática. ^{[ 4 ]} Otro enfoque sistemático se centra en definir regiones de interpolación eliminando valores atípicos y utilizando un método de muestreo ponderado por núcleo para estimar la distribución de densidad de probabilidad. Para los modelos QSAR basados ​​en regresión, una técnica ampliamente utilizada para evaluar el AD estructural se basa en valores de apalancamiento, calculados a partir de los elementos diagonales de la matriz sombrero de los descriptores moleculares. ^{[ 5 ] [ 6 ] [ 7 ]} Más recientemente, un estudio de evaluación comparativa riguroso sugirió que la desviación estándar de las predicciones del modelo ofrece el enfoque más fiable para la determinación del AD. ^{[ 8 ]} Para investigar la AD de un conjunto de entrenamiento de sustancias químicas, se pueden analizar directamente las propiedades del espacio de descriptores multivariados de los compuestos de entrenamiento o de forma más indirecta mediante métricas de distancia (o similitud de Tanimoto). Al utilizar métricas de distancia, se debe tener cuidado de utilizar un espacio vectorial ortogonal y significativo. Esto se puede lograr mediante diferentes métodos de selección de características y análisis sucesivo de componentes principales .

El concepto de dominio de aplicabilidad se ha expandido más allá de su uso tradicional en QSAR para convertirse en un principio general para evaluar la fiabilidad de los modelos en ámbitos como la nanotecnología, la ciencia de los materiales y la toxicología predictiva. En nanoinformática , la definición de dominio de aplicabilidad se utiliza en la predicción de propiedades y toxicidad de nanomateriales, ya que la escasez y la heterogeneidad de los datos requieren la definición de los límites del modelo. Por ejemplo, la evaluación del dominio de aplicabilidad en nano-QSAR ayuda a determinar si un nuevo nanomaterial diseñado es suficientemente similar a los del conjunto de entrenamiento como para justificar una predicción. ^{[ 9 ]}