Analyse QSPR des médicaments anticancéreux utilisant l’indice d’Euler–Sombor et aperçu théorique de sa valeur minimale pour les graphes unicycliques

Pourquoi la forme d’une molécule compte pour les médicaments contre le cancer

Les médicaments anticancéreux sont constitués d’atomes reliés entre eux selon des motifs complexes, et de petits changements dans ces motifs peuvent modifier la façon dont un médicament se comporte dans l’organisme. Mesurer ces différences exige généralement des travaux de laboratoire longs et coûteux. Cette étude explore un raccourci mathématique : utiliser un nombre unique, appelé indice d’Euler–Sombor, extrait de la structure d’une molécule pour estimer des propriétés physiques importantes des médicaments anticancéreux — ce qui pourrait aider les chimistes à trier les candidats plus rapidement et à comprendre quelles formes fonctionnent le mieux.

Transformer les molécules en cartes simples

Les chimistes décrivent souvent les molécules comme des graphes, où les atomes sont des points et les liaisons des lignes qui les relient. À partir de ces graphes, les chercheurs calculent des « indices topologiques » : des nombres soigneusement conçus qui rendent compte de la connectivité et de l’encombrement de la molécule, sans faire référence à la forme 3D ni à la mécanique quantique. L’indice d’Euler–Sombor est un nouveau membre de cette famille. Il combine des informations sur le nombre de liaisons de chaque atome et sur la façon dont ces atomes sont reliés, produisant une empreinte numérique unique pour chaque molécule. Comme il est facile à calculer une fois la structure connue, cet indice est attractif pour le criblage à grande échelle des candidats médicamenteux.

Prédire des propriétés clés des médicaments anticancéreux

Les auteurs ont calculé l’indice d’Euler–Sombor pour 17 médicaments anticancéreux connus, incluant des agents tels que la Carmustine, la Mélatonine et la Daunorubicine. Pour chaque médicament, ils ont rassemblé quatre propriétés physiques de base mais cruciales issues d’une base de données chimique : point d’ébullition, point de fusion, enthalpie (liée à la chaleur impliquée lors d’un changement d’état) et réfraction molaire (qui reflète la façon dont la molécule interagit avec la lumière et, indirectement, l’encombrement de ses électrons). Ils ont ensuite utilisé des outils statistiques standard, appelés modèles de régression, pour évaluer dans quelle mesure cet indice unique pouvait prédire chaque propriété à partir de l’empreinte structurelle seule.

Quelle est la performance de l’indice ?

L’équipe a comparé trois types de régression : linéaire (tendance en ligne droite), quadratique (une courbe douce) et logarithmique (une courbe qui monte rapidement au départ puis se nivelle). Pour le point d’ébullition et l’enthalpie, les trois approches ont montré des relations raisonnablement fortes entre l’indice d’Euler–Sombor et les valeurs mesurées, bien que les prédictions du point d’ébullition fussent moins précises, avec une plus grande dispersion entre températures prédites et réelles. Pour le point de fusion, les corrélations étaient un peu plus faibles mais toujours significatives. La réfraction molaire s’est distinguée : ici, l’indice suivait très fidèlement les données, donnant de faibles erreurs de prédiction et une grande fiabilité statistique pour tous les modèles.

Identifier le meilleur ajustement mathématique

En examinant de plus près les statistiques, les auteurs ont constaté que le modèle logarithmique fonctionnait généralement le mieux pour le point d’ébullition, le point de fusion et la réfraction molaire, offrant des valeurs de corrélation élevées et de très faibles probabilités que les résultats soient dus au hasard. Pour l’enthalpie, un modèle simple en ligne droite a donné des résultats légèrement meilleurs que les modèles courbes. En pratique, cela signifie qu’une fois l’indice d’Euler–Sombor d’une molécule candidate connu, un chimiste peut l’insérer dans ces équations ajustées pour obtenir une estimation raisonnable de plusieurs propriétés physiques — avant même de synthétiser le composé en laboratoire. L’étude note aussi que l’ensemble de données est de taille modeste, et que les prédictions du point d’ébullition restent relativement bruyantes ; ces modèles sont donc des guides prometteurs plutôt que des réponses définitives.

Ce que révèlent les formes des graphes simples

Au-delà des prédictions pratiques, l’article plonge dans les mathématiques de l’indice d’Euler–Sombor. Les auteurs étudient les graphes « unicycliques » — des structures en boucle simples comportant exactement un cycle — et déterminent lesquels fournissent les valeurs minimale et troisième minimale possibles de l’indice pour une taille donnée. En transformant et comparant soigneusement différentes familles de graphes, ils identifient des motifs précis de branches courtes attachées à un seul cercle qui minimisent l’indice. Ces résultats aident à clarifier comment certains motifs structurels font augmenter ou diminuer la valeur d’Euler–Sombor, reliant la théorie pure des graphes au comportement moléculaire potentiel.

Que signifie cela pour la conception de médicaments futurs

Pour un non-spécialiste, le message clé est qu’un nombre judicieusement choisi, dérivé de la manière dont les atomes se connectent dans une molécule, peut révéler une quantité surprenante d’informations sur le comportement de cette molécule. L’indice d’Euler–Sombor montre un fort potentiel comme descripteur compact et informatif pour les médicaments anticancéreux, notamment pour des propriétés comme la réfraction molaire et l’enthalpie. Parallèlement, l’analyse mathématique des graphes en boucle simple approfondit notre compréhension des raisons pour lesquelles certains motifs structuraux conduisent à des valeurs d’indice plus basses ou plus hautes. Ensemble, ces aperçus suggèrent que les outils de la théorie des graphes peuvent aider à orienter les chimistes vers des recherches plus efficaces et plus ciblées pour de futures thérapies contre le cancer.

Citation: Shetty, S., Rakshith, B.R. & Udupa, N.V.S. QSPR analysis of anticancer drugs using the Euler–Sombor index and theoretical insights on its minimum value for unicyclic graphs. Sci Rep 16, 6924 (2026). https://doi.org/10.1038/s41598-026-36855-x

Mots-clés: médicaments anticancéreux, indice d’Euler–Sombor, modélisation QSPR, topologie moléculaire, théorie des graphes en chimie