A Incerteza Experimental dos Dados Públicos Heterogêneos do Ki

A máxima precisão alcançável dos modelos in silico depende da qualidade dos dados experimentais. Consequentemente, a incerteza experimental define um limite superior natural para o desempenho preditivo possível. Modelos que apresentam erros menores do que a incerteza experimental são necessariamente supertreinados. Portanto, uma estimativa confiável da incerteza experimental é de alta importância para todos os originadores e usuários de modelos in silico. Os dados depositados no ChEMBL foram analisados quanto à reprodutibilidade, ou seja, a incerteza experimental de medições independentes. Um cuidadoso filtragem dos dados foi necessária porque o ChEMBL contém erros de transcrição de unidades, estereoisômeros não diferenciados e citações repetidas de medições únicas (90% de todos os pares). A incerteza experimental é estimada para resultar em um erro médio de 0.44 unidades de pK(i), um desvio padrão de 0.54 unidades de pK(i), e um erro mediano de 0.34 unidades de pK(i). O coeficiente de correlação de Pearson ao quadrado (R(2)) máximo possível em grandes conjuntos de dados é estimado em 0.81.