by: Akinwumi Ishola Abeeb, Track «Chemoinformatics for Biophysical and Computational Chemistry», Ljubljana-Strasbourg, 2022
Dans cet entretien, nous parlerons de la prédiction des propriétés ADMET, de ses défis et de quelques recommandations pour les étudiants qui souhaitent travailler dans ce domaine.
1) Veuillez vous présenter et décrire brièvement votre carrière scientifique.
Je suis, Dr Medina-Franco, titulaire d’une licence en chimie, d’une maîtrise et d’un doctorat de l’Université nationale autonome du Mexique (UNAM). J’ai rejoint l’université de l’Arizona en tant que chercheur postdoctoral sous la direction du professeur Gerald Maggiora. En 2014, j’ai rejoint l’UNAM et je suis maintenant professeur de recherche à temps plein. Je dirige le groupe de recherche DIFACQUIM à l’UNAM. Mes recherches portent sur la chémoinformatique, la modélisation moléculaire et l’intelligence artificielle avec des applications sur les cibles épigénétiques et les produits naturels. Je suis membre du système national de recherche du Conseil national de la science et de la technologie du Mexique, au plus haut niveau, III. En 2017, j’ai été nommé membre de la Royal Society of Chemistry (Royaume-Uni). J’ai été professeur invité à l’Université de Montréal (Québec) en 2019 et à l’Université de Pereira (Colombie) en 2021. J’ai publié 257 articles évalués par des pairs et 24 chapitres de livres, et je suis auteur d’un brevet international. Je suis rédacteur en chef de la section "In Silico Modeling and Artificial Intelligence" de Frontiers in Drug Discovery.
2) Expliquez en quelques mots ce qu’est l’"ADMET" dans le domaine de la découverte de médicaments.
ADMET signifie Absorption, Distribution, Métabolisme, Excrétion et Toxicité. Il s’agit de propriétés pharmacocinétiques clés des médicaments qui doivent être satisfaites.
3) Pouvez-vous nous parler brièvement de votre expérience de l’utilisation des techniques chimio-informatiques pour prédire les propriétés ADMET ?
Mon groupe de recherche a utilisé des outils de prévision ADMET bien établis pour établir le profil des bibliothèques de criblage, en mettant l’accent sur les collections de produits naturels, voir [1]. Un exemple d’outil de prédiction ADMET est admetSAR (http://lmmd.ecust.edu.cn/admetsar2/).
4) Pouvez-vous décrire brièvement certains défis liés à la prédiction des propriétés ADMET ?
Le profilage ADMET des composés est sans aucun doute précieux, mais il doit être utilisé avec prudence. Comme pour de nombreux outils de prédiction in silico, il convient d’utiliser des composés de référence positifs et négatifs, comme le décrit la référence [2]. La principale difficulté réside dans le fait que la prédiction ne doit pas être considérée comme telle ; les estimations doivent être validées expérimentalement. Les propriétés ADMET sont des phénomènes très complexes et difficiles à prédire avec précision.
5) Quelles sont vos recommandations aux étudiants qui souhaitent travailler dans ce domaine ?
Évitez le battage médiatique de l’IA et soyez prudent avant d’utiliser des outils "faciles à utiliser" (tels que de nombreux serveurs web en ligne) pour prédire les propriétés ADMET. Étudiez d’abord les phénomènes que vous voulez étudier in silico, et "ne calculez pas ce que vous ne comprenez pas".
References:
[1] Noemi Angeles Durán-Iturbide, Bárbara I. Díaz-Eufracio, and José L. Medina-Franco. In Silico ADME/Tox Profiling of Natural Products: A Focus on BIOFACQUIM. ACS Omega, 5 (26), 16076-16084. (2020). https://pubs.acs.org/doi/10.1021/acsomega.0c01581.
[2] Medina-Franco JL, Martinez-Mayorga K, Fernández-de Gortari E et al. Rationality over fashion and hype in drug design [version 1; peer review: 2 approved]. F1000Research, 10, (Chem Inf Sci):397. (2021). https://doi.org/10.12688/f1000research.52676.1.