Prédiction du coefficient d'activité et de la solubilité utilisant un modéle hybride réseaux de neurones

Abstract

L'une des caractéristiques fondamentales des médicaments est leur solubilité. Elle joue un rôle fondamental dans leur biodisponibilité. La synthèse organique d'un principe actif implique souvent de nombreuses étapes, et il faut en plus à postériori consacrer beaucoup de temps pour trouver les solvants appropriés pour la solubilité optimale. L’utilisation d’une méthode prédictive pour la solubilité constitue donc un défi majeur. Dans ce travail, un modèle hybride combinant les réseaux de neurones artificiels (RNA) et une méthode de contribution de groupe a été utilisé pour créer un algorithme permettant de prédire les coefficients d’activité. L’apprentissage du réseau de neurones a été réalisé en utilisant une base, de données expérimentales de solubilité, recensées dans la littérature. Les systèmes étudiés sont constitués essentiellement de principes actifs pharmaceutiques. Les résultats obtenus ont été comparés au modèle prédictif UNIFAC.