Page 34 - 79_04

Perspectiva
general
sobre
el
proceso
de
desarrollo
de
fármacos…

en
un
pequeño
vector
??,
de
tamaño
n
siendo
n
potencia
de
2
(esto
es,
si
??
tiene

tamaño
?? = 2!
entonces
el
tamaño
de
?? ???? ?? = ??).
El
vector
??
se
obtiene
aplicando

el
operador
XOR
(eXclusive
OR,
del
inglés)
al
vector
??.
Esta
información
adicional

puede
ser
vista
como
una
guía
que
precede
al
vector
??,
la
cual
puede
ser
usada

para
derivar
los
límites
útiles
en
las
medidas
de
similitud
lo
cual
permite
explorar

menos
del
50%
de
la
base
de
datos
y
acelera
la
búsqueda
significativamente
(113).

Más
recientemente,
Cao
et
al.
(2010)
han
reportado
un
algoritmo
de
búsqueda
y

agrupamiento
acelerado
basado
en
técnicas
de
empotramiento
e
indexado

multidimensional
que
mejora
en
20-­-400
veces
a
los
métodos
secuenciales
en

cuanto
al
tiempo
de
búsqueda
de
los
100
primeros
vecinos
más
cercanos
(el

algoritmo
de
Baldi
et
al.
(2008)
los
mejora
en
5.5
veces)
en
conjuntos
de
datos
de

260
000-­-19
millones
de
compuestos,
mientras
que
mantiene
exactitudes

comparables.
Además,
este
algoritmo
es
aplicable
a
un
amplio
espectro
de
medidas

de
similitud
y
puede
ser
escalable
a
conjuntos
de
datos
de
hasta
cientos
de

millones
de
objetos
químicos
(114).

3.4.
Fusión
de
datos

La
fusión
de
datos
se
utilizó
por
primera
vez
en
la
búsqueda
de
similitud
a

finales
de
los
años
noventa
(115,116).
Básicamente,
existen
tres
técnicas
de
fusión

de
datos
y
una
de
estas
es
la
fusión
de
similitud,
que
implica
la
búsqueda
con
una

estructura
de
referencia
y
varias
medidas
de
similitud.
Otra
variante
es
la
fusión
de

grupo,
que
consiste
en
buscar
múltiples
estructuras
de
referencia
con
una
sola

medida
de
similitud
y
se
ha
mostrado
que
es
más
eficaz
que
la
fusión
de
similitud.

El
tercer
enfoque
es
la
turbo
similitud,
en
analogía
a
los
motores
turbos
que

reutilizan
los
gases
de
escape
y
le
imprimen
una
potencia
mayor
al
vehículo;
esta

técnica
utiliza
una
estructura
de
referencia
y
una
medida
de
similitud,
sin
embargo,

es
más
efectiva
que
la
búsqueda
simple
porque
utiliza
los
primeros
vecinos
más

cercanos
recuperados
como
estructuras
de
referencias,
ya
que
estos
es
probable

que
también
sean
bioactivos
y
al
mismo
tiempo
introducen
otros
rasgos

estructurales
que
aumentan
el
éxito
de
la
búsqueda
al
encontrar
otros
quimiotipos

en
el
espacio
químico
(48).
Actualmente,
las
nuevas
técnicas
de
búsqueda
de

similitud
son
validadas
usando
la
técnica
fusión
de
datos
embebida
en
algún

mecanismo
de
validación
cruzada.
Para
ello,
una
vez
obtenidas
las
listas
de

recuperación
como
producto
de
aplicar
las
multi
consultas,
es
necesario
combinar

dicha
información
para
derivar
un
puntaje
fusionado
y
útil
para
cada
molécula
del

repositorio
que
permita
el
ordenamiento
final
del
conjunto
de
datos.
En
este

sentido
Hert
et
al.
(2004)
introdujeron
la
regla
de
fusión
MAX-­-SIM
(máxima

similitud)

que
por
su
probada
alta
efectividad
se
ha
usado
durante
varios
años

como
el
multi
clasificador
de
facto
para
los
estudios
quimioinformáticos
por
su

eficacia
y
simplicidad
matemática
y
computacional
en
el
cribado
de
conjunto
de

datos
farmacológicos
(117,
118).
Básicamente,
el
algoritmo
MAX-­-SIM
es
uno
de
los

551