Natalia SEGURA ALABART

-

Comparació de models d'intel·ligència artificial en la predicció de components químics

Aquest projecte té com a objectiu comparar diferents models de predicció aplicats a compostos químics, representant les molècules com a grafs, on els nodes corresponen als àtoms i els edges als enllaços químics. En particular, el treball se centrarà en la interacció entre lligands i proteïnes. Per a la predicció de l’afinitat entre lligands i proteïnes, s’utilitzarà el model GIMLET (Graph Instruction-Based Molecule Zero-Shot Learning) i es compararan els seus resultats amb altres models de machine learning basats en grafs, com GCN (Graph Convolutional Networks), GIN (Graph Isomorphism Networks), entre d’altres. L’objectiu final és avaluar el rendiment de cada model i determinar quina arquitectura ofereix les prediccions més precises i robustes.

03-FEB-2025

-

-