ETD

• adme
• drug discovery
• intelligenza artificiale
• logP

La lipofilia, espressa come logaritmo del coefficiente di partizione ottanolo/acqua (LogPow), rappresenta un parametro cruciale nel drug discovery, poiché influenza il profilo farmacocinetico e l’efficacia terapeutica dei candidati farmaci. L’applicazione di strumenti in silico, basati sull’intelligenza artificiale (AI) e sul machine learning (ML) permette di predire proprietà chimico-fisiche e farmacocinetiche in maniera semplice e rapida, accelerando le fasi di sviluppo e individuando tempestivamente molecole promettenti. In questo lavoro di tesi è stato sviluppato LogPpred, un modello di AI in grado di predire il valore di LogP delle molecole con elevata affidabilità e facilità d’uso. Dopo un’accurata fase di pulizia dei dataset, sono stati combinati cinque algoritmi di ML con quattro rappresentazioni molecolari, per confrontare le prestazioni di 20 diversi modelli e identificare quello più adatto all’obiettivo del lavoro. Il modello migliore è stato poi paragonato alle principali piattaforme presenti in letteratura, affermandosi come il più performante. Inoltre, è stato calcolato il dominio di applicabilità per garantire l’affidabilità delle previsioni effettuate dal modello entro il relativo spazio chimico.