Deep Learning for the Life Sciences

Guía especializada escrita por los creadores de DeepChem (Bharath Ramsundar, Peter Eastman, Pat Walters y Vijay Pande) que aborda la aplicación de técnicas modernas de aprendizaje profundo en biología, química y medicina. El libro utiliza Python 3 junto a la biblioteca DeepChem y un backend basado en TensorFlow 1.x. Está orientado a un perfil interdisciplinario de nivel intermedio: tanto a desarrolladores y científicos de datos que desean adentrarse en la bioinformática y el descubrimiento computacional de moléculas, como a biólogos, químicos y médicos con bases de programación en Python y cálculo que buscan automatizar análisis biomédicos complejos.

El texto profundiza en el tratamiento computacional de datos científicos heterogéneos: codificación de estructuras químicas mediante cadenas SMILES y huellas moleculares extendidas (ECFP), redes neuronales sobre grafos (Graph Convolutions) y convoluciones tridimensionales sobre cuadrículas espaciales para modelar la interacción proteína-ligando. Detalla el uso de conjuntos de datos del benchmark MoleculeNet (como Tox21, BACE y PDBbind), el análisis de secuencias genómicas con redes convolucionales 1D para detectar motivos de unión de factores de transcripción, y el procesamiento de imágenes de microscopía celular con CNNs. Además de DeepChem, recurre a herramientas y bibliotecas esenciales como RDKit, scikit-learn y NumPy, e introduce modelos generativos (VAEs y GANs) para la generación molecular y métodos de interpretabilidad para inspeccionar contribuciones atómicas.

A lo largo de la obra se implementan canalizaciones prácticas que culminan en un flujo de trabajo integral de cribado virtual (virtual screening) para filtrar y seleccionar moléculas candidatas a fármacos. Su mayor virtud radica en derribar la barrera de entrada a la quimioinformática sin exigir un doctorado previo en química biológica, sistematizando problemas científicos bajo abstracciones de machine learning. Su principal límite es que la edición de 2019 no cubre desarrollos recientes como los modelos de lenguaje para secuencias proteicas (ESM) ni modelos de plegamiento como AlphaFold, y requiere prestar atención a la compatibilidad con versiones antiguas de DeepChem y TensorFlow. Resulta una lectura fundamental para comprender cómo estructurar datos biológicos antes de entrenar redes neuronales.