Explorer l'ensemble de données du coefficient de partage octanol-eau en utilisant des techniques d'apprentissage profond et d'augmentation de données

Aujourd'hui, de plus en plus de données sont disponibles gratuitement. Sur la base de ces grands ensembles de données, les réseaux neuronaux profonds (DNN) gagnent rapidement en pertinence en chimie computationnelle. Ici, nous explorons le potentiel des DNN pour prédire les propriétés chimiques à partir des structures chimiques. Nous avons sélectionné le coefficient de partage octanol-eau (log P) comme exemple, qui joue un rôle essentiel en chimie environnementale et en toxicologie, mais aussi dans l'analyse chimique. La performance prédictive du DNN développé est bonne, avec un rmse de 0,47 unités log dans l'ensemble de test et un rmse de 0,33 pour un ensemble externe provenant du défi SAMPL6. À cette fin, nous avons formé le DNN en utilisant l'augmentation des données en tenant compte de toutes les formes tautomères potentielles des produits chimiques. Nous démontrons également comment les modèles DNN peuvent aider à la conservation de l'ensemble de données log P en identifiant les erreurs potentielles et à aborder les limitations de l'ensemble de données lui-même.