Prédiction de Sensibilisation cutanée (QSPR model)
Création d'un modèle QSPR de prédiction de la sensibilisation cutanée en utilisant un jeu de données basé sur des test DPRA
Il s’agit d’un projet effectuer lors de mon stage au Laboratoire de Chémoinformatique à l’Université de Strasbourg.
Abstract :
La sensibilisation cutanée qui conduit à la sensibilisation cutanée est un problème sanitaire et environnemental majeur. C’est l’une des manifestations les plus courantes de l’immunotoxicité humaine. De nombreux produits chimiques sont impliqués dans la sensibilisation cutanée et la dermatite allergique. Il existe de nombreux tests pour prédire la sensibilisation cutanée, par exemple, le DPRA est un test in chemico qui permet de prédire la sensibilisation cutanée. C’est une bonne alternative des tests humains et animaux concernant les réglementations éthiques et politiques, de plus c’est moins cher que ceux en essais in vitro et in vivo. Pour améliorer la prédiction de la sensibilisation cutanée, des méthodes in silico ont également été développées. Par exemple, l’application PredSkin permet aux utilisateurs de prédire la sensibilisation aux produits chimiques simplement en donnant la 2D de la molécule structure. Tropsha et son équipe[1] ont récemment construit des modèles QSPR pour prédire la sensibilisation cutanée en utilisant plusieurs ensembles de données. Leurs modèles étaient basés sur ECFP-4 comme les empreintes digitales et la méthode SVM, nous avons donc essayé de reproduire un de leurs résultats (un modèle prédictif du label DPRA). Nos résultats reproduits étaient assez similaires aux résultats de Tropsha (BA = 0,81 au lieu de 0,86). Ensuite, nous avons essayé de construire notre modèle QSPR, qui était basé sur Descripteurs ISIDA développés par le Laboratoire de Chémoinformatique de Strasbourg. Actuellement, notre BA (0,77) est un peu inférieur à celui de Tropsha (0,86) mais nous avons plus de molécules dans le domaine d’applicabilité (AD), ce qui rend notre modèle admissible.