Natalia SEGURA ALABART

-

Estudi de la interpretabilitat en models de xarxes neuronals de grafs aplicats a una base de dades proteïna-lligand de la Mpro

L'objectiu d'aquest treball de final de grau és analitzar la interpretabilitat de models basats en xarxes neuronals de grafs (GNN) aplicats a la predicció de propietats moleculars en una base de dades de complexos proteïna-lligand de la proteïna Mpro. Es compararan els resultats del lligand sol i del complex proteïna-lligand per entendre com la interacció influeix en la predicció i la seva explicabilitat. Descripció Els models d’aprenentatge automàtic són sovint difícils d’interpretar, fet que pot limitar la confiança en les seves prediccions. Aquest treball estudia diferents arquitectures de GNN per identificar la més adequada i aplicar-hi dos mètodes d’interpretabilitat: saliency, que integra la interpretació dins del model, i LIME o SHAP, que avalua el model com un conjunt. La comparació permetrà avaluar quin enfocament ofereix interpretacions més clares sobre les relacions entre el lligand, la proteïna i les propietats predites. Tasques específiques • Seleccionar l’arquitectura de GNN més adequada. • Entrenar models amb el lligand sol i amb el complex proteïna-lligand. • Aplicar els mètodes d’interpretabilitat saliency i LIME o SHAP. • Comparar els resultats i analitzar les diferències d’interpretació. • Elaborar l’informe final amb metodologia, resultats i conclusions.

14-OCT-2025

-

-