PREDICTING AQUEOUS SOLUBILITY FROM STRUCTURE

Die hinreichende Wasserlöslichkeit kleiner organischer Moleküle ist entscheidend bei der Entwicklung neuer Arzneimittel. Viele Projekte der Wirkstoffentwicklung scheitern in relativ späten Entwicklungsphasen wegen unzureichender Löslichkeit in Wasser. Aus diesem Grunde ist die Vorhersage der Wasserlöslichkeit aus der 2-D Struktur wünschenswert. Wir stellen ein Modell zur Vorhersage der Wasserlöslichkeit vor, welches wir mit Methoden des maschinellen Lernens auf chemischen Datenbanken entwickelt haben.

[1]  J. W.,et al.  The Journal of Physical Chemistry , 1900, Nature.

[2]  Thomas G. Dietterich.  What is machine learning? , 2020, Archives of Disease in Childhood.

[3]  Roberto Todeschini,et al.  Handbook of Molecular Descriptors , 2002 .

[4]  William L. Jorgensen,et al.  Journal of Chemical Information and Modeling , 2005, J. Chem. Inf. Model..

[5]  D. Hinkley.  Annals of Statistics , 2006 .

[6]  Wei-Yin Loh,et al.  Classification and regression trees , 2011, WIREs Data Mining Knowl. Discov..