MODÉLISATION DE LA PRÉDICTION DE L’EFFT THÉRAPEUTIQUE À PARTIR DE LA STRUCTURE MOLÉCULAIRE

Abstract

Modélisation de la prédiction de l’activité thérapeutique à partir de la structure moléculaire. Dans le but de développer des modèles pour la corrélation et la prédiction de l’activité thérapeutique des molécules nous avons appliqué la modélisation neuronale aux données expérimentales correspondant aux valeurs des descripteurs moléculaires des molécules appartenant à six classes thérapeutiques {anti-inflammatoire ; antibiotique ; analgésique ; antivirale ; diurétique et glucocorticoïde} collectées principalement de la référence Kleemann et Engel (2001), avec une base de données initiale de dimension {532, 227}. Les méthodes traditionnelles de modélisation présentent des principaux inconvénients résident dans la difficulté du choix des descripteurs pertinents. Pour s’affranchir de ces problèmes nous avons mis au point une technique statistique (élimination progressive) qui permet de déterminer le nombre optimal de descripteurs. Pour la recherche de la topologie du réseau de neurones optimal nous avons adopté la stratégie d’essai et erreur (trial and error), avec deux critères d’arrêt : vérification d’une fonction de performance (d’erreur) et la capacité de généralisation du réseau de neurones. Un ensemble de paramètres est modifié jusqu’à la satisfaction de la meilleure régression. Les modèles conçus ont montré une très bonne corrélation des données expérimentales qui dépasse 90% pour toutes les activités thérapeutiques étudiées ainsi que la valeur de l’erreur relative absolue moyenne obtenue lors de la phase de test et la phase de la généralisation ne dépasse pas 0,875% . Nous avons comparé ces modèles avec d’autres modèles traditionnels conçus sur la même base de données utilisées dans la modélisation neuronale. Ces modèles sont élaborés par la réalisation d’une régression linéaire multiple (RLM) précédé d’une étape d’analyse en composante principale (ACP) pour le choix des descripteurs moléculaires. Nous avons trouvé que les corrélations des modèles neuronaux sont nettement meilleures. Les résultats obtenus sont encourageants, ainsi les descripteurs moléculaires optimisés corrèlent efficacement l'activité thérapeutique des molécules