Relation quantitative structure à activité
2489339
28343673
2008-04-05T09:11:38Z
Badmood
4507
nouveau style de bandeau de portail, voir [[Wikipédia:Prise de décision/Bandeaux de portail]]
Une '''relation quantitative structure à activité''' (en anglais : ''Quantitative structure-activity relationship'' ou encore QSAR) est le procédé par lequel une [[structure chimique]] est [[corrélation|corrélée]] avec un effet bien déterminé comme l'[[activité biologique]] ou la [[réaction chimique|réactivité chimique]].<br>
Ainsi par exemple l'activité biologique peut être exprimée de manière quantitative, comme pour la concentration de substance nécessaire pour obtenir une certaine réponse biologique. De plus lorsque les propriétés ou structures physiochimiques sont exprimées par des chiffres, on peut proposer une relation mahtématique, ou ''relation quantitative structure à activité'', entre les deux. L'expression mathématique obtenue peut alors être utilisée comme moyen prédictif de la réponse biologique pour des structures similaires.<br>
La QSAR la plus commune est de la forme : activité = f(propriétés physico-chimiques et/ou structurales).
== RSA et paradoxe RSA ==
Le postualt de base pour les [[hypothèse]]s sur des objets chimiques est que des objets similaires ont des activités similaires. Ce principe est appelé relation structure-activité (RSA, ou SAR pour ''structure-activity relationship'' en anglais). Le problème sous-jacent est donc la définition d'une ''petite'' différence sur un niveau moléculaire, chaque type d'activité, comme la [[réaction chimique]], la [[biotransformation]], la [[solubilité]], l'activité de cible et d'autres encore, peuvent dépendre d'une autre différence. Un exemple concret est donné par l'[[article de revue]] sur le [[biosostérisme]]<ref>G. A. Patani, E. J. LaVoie, ''Bioisosterism: A Rational Approach in Drug Design''. Chem. Rev., 1996, 96, 3147-3176. {{doi|10.1021/cr950066q}}</ref>.<br>
En général, l'intérêt est plus de trouver de fortes [[tendance]]s. Les hypothèses avancées reposent habituellement sur un [[ensemble fini|nombre fini]] de données chimiques. Ainsi, le [[induction (logique)|principe d'induction]] devrait être respecté afin d'éviter les hypothèses [[surapprentissage|surapprises]] et les interprétations erronées et inutiles sur les donn'ees chimiques/structurales.<br>
Le paradoxe SAR est le fait que toutes les molécules similaires ne montrent pas des activités similaires.
==Applications==
===En chimie===
Une des premières applications de la QSAR concernait la prédiction des [[point d'ébullition|points d'ébullition]]<ref>[[Danail Bonchev]], D.H. Rouvray: ''[[Chemical graph theory|Chemical Graph Theory]]: Introduction and Fundamentals''. Gordon and Breach Science Publishers, 1990, ISBN 0-85626-454-7.</ref>.<br>
Il est bien connu par exemple que pour une [[classification chimique|famille]] de [[composé chimique|composés chimiques]], particulièrement en [[chimie organique]], il existe une [[corrélation]] forte entre la structure et les propriétés observées. On peut citer comme exemple simple la relation entre le nombre de carbones dans les [[alcane]]s et leur [[point d'ébullition]]. Il existe ne tendance nette à l'augmentation de la température d'ébullition avec le nombre d'atomes de carbone, ce qui sert de moyen prédictif pour les points d'ébullition des alcanes les plus lourds.<br>
Les méthodes de [[équation de Hammett|Hammett]], de [[équation de Taft|Taft]] et [[constante de dissociation acido-basique|prédiction de pKa]] sont des applications particulièrement intéressantes.
===En biologie ===
L'activité biologique des molécules est mesurée habituellement au moyen d'[[essai]]s afin d'établir le niveau d'inhibition d'une [[transduction de signal]] ou d'une [[voie métabolique]] particulière. Les produits chimiques peuvent être biologiquement actifs par leur [[toxicité]]. La [[recherche de médicament]] implique parfois l'utilisation de la QSAR afin d'identifier les structures chimiques pouvant présenter de bons effets inhibiteurs sur des [[cible biologique|cibles spécifiques]] et possèdent une faible toxicité (activité non-spécifique). Fait partie des intérêts spécifiques la prédiction du [[coefficient de partition]] log ''P'', qui une mesure importante pour l'identification de la {{guil|[[similarité médicamenteuse]]}} selon la [[règle des cinq de Lipinski]].<br>
Alors que de nombreuses analyses QSAR traitent des interactions d'une famille de molécules avec une [[enzyme]] ou un site [[récepteur (biochimie)|récepteur]], la QSAR peut aussi être utilisée pour étudier les interactions entre les [[domaine structural|domaines structuraux]] des [[protéines]]. Les interactions entre protéines peuvent être quantitativement analysés pour des variations structurales résultant d'une [[mutagenèse]]<ref>E. K. Freyhult, K. Andersson, M. G. Gustafsson, ''Structural modeling extends QSAR analysis of antibody-lysozyme interactions to 3D-QSAR'',J. Biophys., '''2003''', ''84'', {{ISSN|2264-2272}}. PMID 12668435</ref>.
La réduction du risque de paradoxe RAS fait partie de l'[[apprentissage automatique]], et particulièrement la prise en compte du fait que seul un nombre fini de données est disponible (voir aussi [[estimateur de minimum de variance non biaisé]]). En général, tous les problèmes QSAR peuvent être partagés entre une partie [[codage]]<ref> [[Roberto Todeschini]], [[Viviana Consonni]], ''Handbook of Molecular Descriptors'', Wiley-VCH, '''2000'''. ISBN 3527299130</ref> et une partie [[apprentissage]]<ref>*{{DudaHartStork}}</ref>.
=== Analyse de données ===
Un nombre relativement important de caractéristiques ou de descripteurs moléculaires est calculé pour le codage, qui peut cependant manquer de pertinence sur l'interprétation structurale. Il existe donc un un problème de [[choix de variable]], qui peut se résoudre par des méthodes d'[[Apprentissage automatique|apprentissage]], appliquées comme étape de post-traitement ou de pré-traitement. Parmi ces méthodes, les [[Machine à vecteurs de support|machines à vecteurs de support]], les [[arbre de décision|arbres de décisions]], ou les [[réseau de neurones|réseaux de neurones]] peuvent être utilisées pour [[Induction (logique)|induire]] un modèle d'apprentissage prédictif.
==== QSAR tridimensionnelle ====
L'expression de ''QSAR tridimensionnelle'' (3D-QSAR) réfère à l'application de calculs de [[Champ de force (chimie)|champs de forces]] nécessitant des structures tridimensionnelles, comme par exemple la [[cristallographie]] protéique ou la [[chimie supramoléculaire|supramolécularité]]. Elle utilise des potentiels calculés, comme par exemple des [[potentiel de Lennard-Jones|potentiels de Lennard-Jones]], plutôt que des constantes expérimentales et englobe l'objet moléculaire dans son ensemble plutôt qu'un substituant unique. Elle traite des champs stériques (forme de l'objet) et électrostatiques en fonction énergie appliquée<ref>A. Leach, ''Molecular Modelling: Principles and Applications'', Prentice Hall, '''2001'''. ISBN 0-582-38210-6</ref>.<br>
L'espace de données ainsi créé est ensuite habituellement réduit par une [[extraction de caractéristique]] (voir aussi [[réduction dimensionnelle]]). La méthode d'apprentissage suivant peut aussi être n'importe laquelle des méthodes d'[[apprentissage automatique]] déjà citées, comme les [[Machine à vecteurs de support|machines à vecteurs de support]]<ref>Schölkopf, B., K. Tsuda and J. P. Vert: ''Kernel Methods in Computational Biology'', MIT Press, Cambridge, MA, '''2004'''.</ref>.<br>
Dans la littérature, il semble ressortir que les chimistes préfèrent les méthodes de [[méthode de moindres carrés partielle|moindres carrés partielles]] (PLS), qui permet d'appliquer une extraction de caractéristique et une induction en un pas.
===Analyse moléculaire===
Les approches d'[[extraction moléculaire|extractions moléculaires]], cas particulier des approches d'[[exploration de données structurée|explorations de données structurées]], appliquent une prédiction par matrice de similarité ou un schéma de fragmentation automatique en sous-structures moléculaires. De plus, il existe aussi des approches utilisant des recherches du [[problème du plus grand sous-graphe commun isomorphe|plus grand sous-graphe commun]] ou de [[noyau de graphe|noyaux de graphes]]<ref>Gusfield, D., ''Algorithms on Strings, Trees, and Sequences: Computer Science and Computational Biology'', Cambridge University Press, '''1997'''. ISBN 0-521-58519-8</ref><sup>, </sup>
<ref>C. Helma (ed.), ''Predictive Toxicology'', CRC, '''2005'''. ISBN 0-8247-2397-X</ref>.
==== Basée sur un fragment (contribution de groupe)====
Il a été montré que le [[logP]] d'un composé peut être déterminé par la somme de ceux de ses fragments. Les valeurs logP fragmentaires ont été déterminées statistiquement. Cette méthode donne des résultats mixtes et est généralement considéré comme n'ayant pas de précision de +/- 0,1 unités<ref>S. A. Wildman, G. M. Crippen, ''Prediction of Physicochemical Parameters by Atomic Contributions'', J. Chem. Inf. Comput. Sci.}, '''1999''', ''39'', 868-873. {{DOI|10.1021/ci990307l}}</ref>.
== Domaine d'application ==
L'utilisation de modèles (Q)SAR pour la gestion du risque chimique s'accroissant régulièrement et étant aussi utilisé pour des visées réglementaires (en [[Union européenne]] : [[enregistrement, évaluation et autorisation des produits chimiques]]), il est crucial d'être capable d'affirmer la pertinence des prédictions. L'espace des descripteurs chimiques engendré par un ensemble spécifique de produits chimiques est appelé [[domaine d'applicabilité]], qui permet d'indiquer lorsqu'un composé peut être pertinemment {{guil|prédit}}.
== Voir aussi ==
*[[Relation structure-activité]]
*[[Chemo-informatique]]
*[[ADME]]
*[[Solubilité différentielle]]
*[[Force intermoléculaire]]
*[[Pharmacocinétique]]
*[[Pharmacophore]]
*[[Coefficient de partition]]
*[[Conception de médicament assistée par ordinateur]]
*[[Prédiction de structure protéique]]
*[[QSAR & Combinatorial Science]] ([[revue scientifique]])
== Références ==
<references />
== Liens externes ==
* {{en}} [http://www.qsarworld.com QSAR World - Ressource internet pour les modélisateurs QSAR].
* {{en}} [http://media.wiley.com/product_data/excerpt/03/04712709/0471270903.pdf Histoire de la QSAR] {{pdf}}.
* {{en}} [http://www.natureprotocols.com/2007/03/05/development_of_qsar_models_usi_1.php Développement de modèles QSAR par le programme C-QSAR : un programme de régression avec bases de données duales sur plus de 21000 modèles QSAR (un protocole)].
*{{en}} [http://www.syrres.com/qsar2008 The 13th International Workshop on Quantitative Structure-Activity Relationships (QSARs) in the Environmental Sciences]
*{{en}} [http://www.qsar.org/ The Cheminformatics and QSAR Society]
{{Traduction/Référence|en|Quantitative structure-activity relationship|177620083}}
{{Portail|chimie|informatique|bbcm}}
[[catégorie:chimie numérique]]
[[Catégorie:chimie physique]]
[[ca:Relació estructura-activitat quantitativa]]
[[de:Quantitative Struktur-Wirkungs-Beziehung]]
[[en:Quantitative structure-activity relationship]]
[[ja:定量的構造活性相関]]
[[zh:定量构效关系]]