Accélération de l’évaluation de la sécurité des médicaments à l’aide d’un Bidirectional-LSTM sur des données SMILES

Les méthodes computationnelles sont particulièrement utiles pour accélérer le rythme de la découverte de médicaments. Cette démarche comporte plusieurs étapes, telles que l’identification et la validation de la cible, la découverte de composés pilotes (lead discovery) et leur optimisation (lead optimisation). Lors de la phase d’optimisation des composés pilotes, leurs propriétés pharmacocinétiques — absorption, distribution, métabolisme, élimination et toxicité (ADME/T) — sont évaluées. Pour relever le défi de la prédiction de la toxicité et de la solubilité des composés pilotes, représentés sous la forme de chaînes SMILES (Simplified Molecular Input Line Entry System), diverses approches ont été proposées. Parmi celles-ci, le modèle proposé repose sur une méthode fondée sur les séquences. Le modèle BiLSTM (Bidirectional Long Short-Term Memory), une variante des réseaux de neurones récurrents (RNN), traite les séquences moléculaires d’entrée afin d’analyser de manière exhaustive les caractéristiques structurales des molécules selon les deux directions — avant et arrière. Ce travail vise à comprendre les motifs séquentiels codés dans les chaînes SMILES, qui sont ensuite exploités pour prédire la toxicité des molécules. Sur le jeu de données ClinTox, le modèle proposé dépasse les approches antérieures, telles que TrimNet et les réseaux de neurones graphiques (GNN) pré-entraînés, en atteignant une précision ROC de 0,96. De plus, sur le jeu de données FreeSolv, le BiLSTM surpasse les modèles précédents avec une faible erreur quadratique moyenne (RMSE) de 1,22 pour la prédiction de la solubilité.