O aprendizado profundo virou ferramenta padrão nas fases iniciais da descoberta de medicamentos para duas tarefas: prever como uma molécula pequena se encaixa no bolso de ligação de uma proteína, a chamada geração de poses, e prever com que força ela se liga. Dezenas de funções de pontuação hoje alegam resultados de ponta. Numa Perspective na Nature Machine Intelligence, Viet-Khoa Tran-Nguyen e Pedro Ballester argumentam que essas alegações ficaram difíceis de comparar e propõem diretrizes para avaliar esses modelos.
A lista é curta e prática. Dados de treino, código e procedimentos devem ser divulgados para que outros possam reproduzir, reutilizar e examinar o trabalho. Os estudos devem se proteger contra vazamento de dados, quando moléculas ou proteínas de teste se parecem demais com as de treino, contra viés de amostragem e contra desenhos falhos. As comparações devem usar divisões de dados comuns, verificar quanto os resultados variam de um treino para outro e incluir referências adequadas, para que um método novo seja medido contra algo simples, e não só contra o rival mais recente.
O artigo se apoia em trabalhos que já expuseram o problema. O grupo de Ballester mostrou antes que divisões por arcabouço, um jeito comum de separar moléculas de treino e de teste, superestimam o desempenho da triagem virtual, e um benchmark de 2026 chamado NextTopDocker, assinado pelos dois pesquisadores, encontrou limitações no docking de ponta a ponta com aprendizado de máquina e vantagens em abordagens híbridas que repontuam resultados clássicos. Trabalhos sobre aleatoriedade em comparações de redes neurais, também citados, mostram que uma única execução pode favorecer ou enterrar um método.
Para quem escolhe um modelo de docking ou de afinidade, as diretrizes funcionam também como lista de verificação ao ler artigos e cartões de modelo. Uma alegação sem divisões compartilhadas, execuções repetidas e uma referência simples merece menos peso, por maior que seja o ganho anunciado.
Os limites são os de qualquer Perspective. Ela propõe normas em vez de apresentar resultados novos, e só conseguimos ler o resumo e a lista de referências, não o texto completo, então não podemos dizer como avalia ferramentas específicas. Diretrizes também dependem de cobrança: enquanto revistas, revisores e mantenedores de benchmarks não exigirem essas verificações, o incentivo para publicar o número mais favorável continuará.