Redes Neuronales Artificiales en Modelado ADMET: Predicción de la Permeación de la Barrera Hematoencefálica

Resumen Se ha desarrollado un modelo de red neuronal artificial (ANN) supervisado para la predicción precisa de la partición de la Barrera Hematoencefálica (BBB) (en escala Log BB) de compuestos químicos. Se eligió un conjunto estructuralmente diverso de 108 compuestos con valor experimental conocido de Log BB para este estudio. Las moléculas se definieron mediante una red neuronal no supervisada utilizando nuestro programa CODES. Este programa codifica cada molécula en un conjunto de parámetros numéricos teniendo en cuenta exclusivamente la información de su estructura química a partir de su código SMILES (Simplified Molecular Input Line System). El modelo obtenido promedia un 83% de precisión en el conjunto de entrenamiento y un 73% en el conjunto de predicción externa. El modelo es capaz de predecir correctamente el comportamiento de una serie muy heterogénea de compuestos en términos de la permeación a través de la BBB. Los resultados indican que este enfoque puede representar una herramienta útil para la predicción de propiedades de Absorción, Distribución, Metabolismo, Excreción y Toxicidad (ADMET). CODES © está disponible de forma gratuita para instituciones académicas.