Predicción de Propiedades Moleculares con GNN para Startup Farmacéutica en Bilbao
Visión general
De qué trata este proyecto.
Construye una MPNN sobre grafos moleculares, compara con random forest y mide ROC-AUC. Diseña una API para el equipo de química. Obtén un certificado verificable.
El escenario
La startup (~28 personas, Serie A) cribará ~120.000 moléculas en el próximo trimestre; un modelo confiable puede recortar a la mitad las pruebas húmedas a 240 EUR cada una.
El Briefing
Lo que harás y lo que demostrarás.
Entrena una MPNN para predecir propiedades ADMET de moléculas y expón los modelos en una API utilizable por el equipo de química.
Earning criteria — what you'll demonstrate
- Representar moléculas como grafos y aplicar MPNN
- Comparar GNN contra baselines de fingerprints clásicos
- Medir calibración del modelo (Brier score), no solo discriminación
- Exponer modelos en una API consumible por equipos no ML
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Machine Learning on Graphs
Master · Machine Learning
Strong alignment
This challenge maps to Machine Learning on Graphs at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
- Graph Neural Networks
Apply graph neural networks to solve real industry problems and demonstrate production-level capability.
- Message Passing
Apply message passing to solve real industry problems and demonstrate production-level capability.
- Molecular Ml
Apply molecular ml to solve real industry problems and demonstrate production-level capability.
- Pytorch Geometric
Apply pytorch geometric to solve real industry problems and demonstrate production-level capability.
- Model Calibration
Apply model calibration to solve real industry problems and demonstrate production-level capability.
- Fastapi
Apply fastapi to solve real industry problems and demonstrate production-level capability.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Investigador en Aprendizaje Automático
Modelar moléculas con GNN y comparar contra fingerprints es trabajo del ML Researcher en biotech aplicado.
Este proyecto afina
- graph-neural-networks
- message-passing
- molecular-ml
Científico en IA Aplicada
Calibración, robustez OOD e integración con química son trabajo del Applied AI Scientist en biotech.
Este proyecto afina
- model-calibration
- molecular-ml
- message-passing
Ingeniero en IA
Exponer el modelo como API para un equipo no ML es trabajo del AI Engineer.
Este proyecto afina
- fastapi
- pytorch-geometric
- molecular-ml