Sur les polynômes co-indices topologiques pour la modélisation prédictive des propriétés physico-chimiques des médicaments antiviraux

Pourquoi les mathématiques peuvent accélérer la recherche de médicaments contre Ebola

Découvrir de nouveaux antiviraux est généralement lent et coûteux, car chaque molécule prometteuse doit être synthétisée et testée en laboratoire. Cette étude explore une voie rapide : utiliser des notions de mathématiques et de théorie des graphes pour « lire » la structure d’un médicament comme un code-barres et prédire son comportement, sans préparer un seul composé. Le travail se concentre sur des médicaments proposés contre le virus Ebola et montre comment des empreintes numériques bien conçues des molécules peuvent prévoir des propriétés physiques importantes pour le fonctionnement d’un médicament dans l’organisme.

Transformer les molécules en images simples

Au cœur de cette approche se trouve une manière de représenter une molécule comme un réseau simple : les atomes deviennent des points et les liaisons chimiques des lignes qui les relient. Une fois qu’un médicament est représenté sous forme de réseau, les auteurs calculent des indices topologiques — des nombres qui captent des caractéristiques comme le nombre de ramifications de la molécule, la densité des connexions entre atomes, ou la symétrie de la forme globale. Ces indices condensent une structure 3D complexe en une poignée de valeurs descriptives, ce qui permet de comparer et d’analyser rapidement de nombreuses molécules sur ordinateur.

Nouvelles empreintes moléculaires avec plus de détails

En s’appuyant sur des travaux antérieurs, les chercheurs introduisent et analysent une famille d’indices affinés appelés co-indices topologiques, dérivés de deux constructions mathématiques connues sous le nom de polynômes CoM et CoNM. Plutôt que de ne considérer que les atomes directement liés, ces nouveaux descripteurs prennent aussi en compte des paires d’atomes qui ne sont pas directement connectées mais s’influencent via la structure globale. CoM se concentre sur le nombre de liaisons incidentes à chaque atome, tandis que CoNM suit le « voisinage » autour de chaque atome. En encodant cette information plus riche dans des polynômes compacts, la méthode peut générer en une seule étape de nombreux indices différents, offrant une empreinte plus nuancée de chaque molécule sans coût informatique élevé.

Tester la méthode sur des candidats médicaments contre Ebola

L’équipe a appliqué son cadre à huit antiviraux évoqués dans le contexte du traitement d’Ebola, notamment la Galidésivir, la Chloroquine, le Favipiravir, l’Amodiaquine, l’Azithromycine, le Brincidofovir, le Clomiphène et le Remdesivir. Pour chaque médicament, ils ont calculé un ensemble de co-indices basés sur le degré et sur le voisinage, et les ont comparés à des données expérimentales extraites de la base ChemSpider. Les propriétés physiques examinées comprenaient le volume molaire, la réfraction molaire, la polarizabilité (la facilité avec laquelle les électrons d’une molécule sont déformés), la tension superficielle, la complexité structurelle globale, l’affinité huile-eau (LogP), la densité et l’indice de réfraction. En substance, ils ont posé la question : ces empreintes mathématiques peuvent-elles remplacer des mesures longues et coûteuses ?

Trouver les meilleurs liens entre structure et comportement

Pour sonder ces liens, les auteurs ont construit des modèles QSPR (Quantitative Structure–Property Relationship) — des équations qui relient chaque co-indice topologique à une propriété physique donnée. Ils ont testé trois familles de modèles : des ajustements linéaires simples, des ajustements logarithmiques et des ajustements quadratiques. De nombreuses propriétés ont montré de fortes corrélations avec des indices particuliers, avec des coefficients de corrélation souvent proches de un, indiquant que les prédictions suivaient de près les données expérimentales. Certains descripteurs, comme le co-indice de connectivité atome-liaison et plusieurs indices basés sur le voisinage, sont apparus de manière récurrente comme les meilleurs prédicteurs pour des propriétés clés telles que le volume molaire, la réfraction molaire, la polarizabilité et la complexité structurelle. Pour des traits plus subtils, comme l’équilibre huile–eau et la densité, des modèles non linéaires — en particulier les formes logarithmiques et quadratiques — ont mieux rendu compte des relations que des droites, soulignant que le lien structure–propriété est souvent intrinsèquement courbe plutôt que linéaire.

Ce que cela implique pour la découverte de médicaments

Globalement, l’étude montre que des co-indices topologiques bien conçus, générés à partir des polynômes CoM et CoNM, peuvent servir d’excellents substituts aux mesures de laboratoire des propriétés des antiviraux. En prédisant avec précision le comportement des molécules candidates, ces outils mathématiques peuvent aider les scientifiques à filtrer rapidement de grandes bibliothèques de composés, concentrer les expérimentations sur les pistes les plus prometteuses et affiner la conception moléculaire avant synthèse. Sans remplacer les tests biologiques, de tels descripteurs offrent une voie rapide et peu coûteuse pour explorer l’espace chimique — un atout particulièrement précieux face à des menaces évolutives rapides comme Ebola et d’autres maladies infectieuses émergentes.

Citation: Meharban, S., Ullah, A., Zaman, S. et al. On topological co-index polynomials for predictive modeling of the physicochemical properties of antiviral drugs. Sci Rep 16, 12456 (2026). https://doi.org/10.1038/s41598-026-43640-3

Mots-clés: Médicaments antiviraux contre Ebola, indices topologiques, modélisation QSPR, théorie des graphes moléculaires, conception de médicaments par calcul