Prédiction des paramètres pharmacocinétique des médicaments par les RNA-QSAR

Abstract

Les Relations Quantitative Structure Activité (QSAR) sont appelés à jouer un rôle important dans le domaine des sciences pharmaceutiques. L'objectif principal de ce travail a été le développement d'un modèle QSAR utilisant un réseau de neurone feed-forward pour la prédiction de la fraction du médicament liée aux protéines plasmatiques (fb) d'une série de 277 médicaments. Différents types de descripteurs (1666 au total) ont été générées à partir des structures des médicaments. Une procédure de sélection a été avancée pour la sélection des descripteurs les plus pertinents et a fourni dix descripteurs. Ensuite, un modèle de réseaux de neurone à une couche caché (10 neurones dans la couche d'entrée, une couche cachée et 1 neurone dans la couche de sortie) a été conçu et optimisé pour la prédiction de fb. Les valeurs de la REQM (Racine de l’Erreur Qudratique Moyenne) pour le calcul de fb pour la base d’apprentissage, de test et de prédiction sont 0,11, 0,12 et 0,16, respectivement. La comparaison entre ces valeurs et d'autres valeurs statistiques révèlent la supériorité du modèle neuronale sur le modèle RLM (Régression Linéaire Multiple).