Développement et évaluation d’un modèle de prédiction de solubilité efficace pour les produits pharmaceutiques dans des solvants organiques utilisant l’apprentissage automatique basé sur eXtreme Gradient Boosting

Pourquoi la dissolution des médicaments est vraiment importante

Lorsqu’un comprimé pénètre dans votre corps, il doit d’abord se dissoudre avant de pouvoir agir. La facilité avec laquelle un principe actif se dissout dans un liquide influence la fabrication du médicament, sa stabilité et son efficacité. Mesurer cette « solubilité » dans de nombreux liquides et à différentes températures est lent et coûteux. Cette étude examine comment un outil moderne de données, l’apprentissage automatique, peut aider les scientifiques à estimer rapidement dans quelle mesure des composés de type médicament se dissolvent dans des solvants organiques courants, en n’utilisant qu’un petit nombre d’informations faciles à obtenir.

Choisir le bon solvant pour la fabrication de cristaux

En fabrication pharmaceutique, les producteurs font souvent croître des cristaux d’un principe actif à partir d’un solvant organique. Le solvant ne contrôle pas seulement la quantité de solide récupéré ; il influence aussi la taille et la forme des cristaux, ce qui peut à son tour modifier le comportement du médicament. Traditionnellement, les chimistes réalisent soit de nombreuses expériences, soit utilisent des équations thermodynamiques complexes pour prédire la solubilité. Ces méthodes établies peuvent être précises mais exigent souvent de nombreux paramètres ajustés ou des données moléculaires détaillées qui ne sont pas disponibles en phase de développement précoce. Les auteurs de ce travail se demandent plutôt si un modèle d’apprentissage automatique soigneusement conçu peut capturer les tendances clés de la solubilité tout en restant fondé sur des entrées simples et physiquement significatives.

Un modèle compact guidé par l’intuition physique

L’équipe a construit un modèle de prédiction de solubilité en utilisant une méthode d’apprentissage automatique populaire appelée eXtreme Gradient Boosting, ou XGBoost. Ils ont rassemblé des données publiées de solubilité pour quatre molécules de type médicament dans neuf solvants organiques courants, sur une large plage de températures, ce qui a fourni 224 points de données. Plutôt que de fournir à l’algorithme des descripteurs arbitraires, ils ont sélectionné dix caractéristiques que les chimistes connaissent déjà : des propriétés du solide (comme la température de fusion, la chaleur de fusion, la capacité calorifique et un paramètre de solubilité bien connu), des propriétés de base du liquide (polarité via la constante diélectrique et température d’ébullition) ainsi que la température elle‑même et des codages simples des noms du solide et du solvant. Pour refléter le fait que la plupart des solides se dissolvent mieux lorsqu’ils sont chauffés, ils ont intégré une règle contraignant les prédictions du modèle à augmenter avec la température, garantissant un comportement physiquement cohérent.

Quelle est la concordance du modèle avec les mesures réelles

Après avoir ajusté le modèle par validation croisée, les auteurs ont testé à quel point les prédictions correspondaient aux valeurs mesurées. Ils ont évalué la performance en comparant le logarithme des solubilités mesurées et prédites, ce qui est pertinent car les solubilités couvrent plusieurs ordres de grandeur. Pour les quatre composés utilisés pour l’entraînement et les tests, le modèle a reproduit les données avec des erreurs moyennes très faibles et une forte corrélation, indiquant qu’il peut décrire de manière fiable la solubilité dépendante de la température dans de nombreux environnements liquides. Fait important, le modèle est resté précis même pour un composé très peu soluble, la rispéridone, dont le comportement est notoirement difficile à capturer avec des équations plus simples.

Prédire un composé entièrement nouveau

La question cruciale était de savoir si le modèle pouvait traiter un principe actif qu’il n’avait jamais vu. Pour tester cela, les chercheurs ont mis de côté toutes les données d’un cinquième composé, le butamben, et n’ont utilisé ces 50 mesures qu’après l’entraînement. Les erreurs du modèle ont été plus grandes pour cette véritable tâche de prédiction que pour les données vues auparavant, mais elles sont restées dans une plage comparable à l’incertitude expérimentale typique, en particulier pour plusieurs des solvants testés. Comparé à deux méthodes thermodynamiques semi‑prédictives largement utilisées, Flory–Huggins et NRTL‑SAC dépendant de la température, le modèle XGBoost a systématiquement produit des erreurs globales plus faibles, et a été particulièrement performant pour les systèmes les plus difficiles.

Ce que cela signifie pour le développement pharmaceutique futur

Pour les non‑spécialistes, la conclusion principale est qu’un modèle d’apprentissage automatique relativement petit et informé physiquement peut estimer de manière fiable dans quelle mesure des molécules de type médicament se dissolvent dans des solvants organiques courants sur une plage de températures. Il s’appuie sur un ensemble modeste de propriétés mesurables, sans l’ajustement intensif de paramètres souvent requis par les approches traditionnelles. Bien que les auteurs notent qu’un affinage des descripteurs choisis et un élargissement des données amélioreraient la performance, l’étude montre que de tels modèles peuvent d’ores et déjà soutenir le criblage de solvants et la conception de procédés, aidant les chimistes à cibler des options prometteuses avant d’entreprendre des travaux de laboratoire détaillés.

Citation: Valavi, M., Assareh, M., Khoshsima, A. et al. Development and evaluation of an effective solubility prediction model for pharmaceuticals in organic solvents using machine learning based on eXtreme Gradient Boosting. Sci Rep 16, 16592 (2026). https://doi.org/10.1038/s41598-026-53038-w

Mots-clés: solubilité des médicaments, solvants organiques, apprentissage automatique, XGBoost, cristallisation