Uma comparação de técnicas de regressão para a previsão de solubilidade aquosa

• Autor(a) principal: Leal, Fabiano Galdino
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: http://app.uff.br/riuff/handle/1/31237
• topic: Aprendizado de máquina; Predição; Solubilidade; Aprendizado de máquina; Solubilidade; Modelo matemático

A determinação da solubilidade é fundamental para a introdução de novos fármacos da indústria de drogas medicinais. Contudo, a síntese e testes em laboratórios pode ser dispendiosa e os erros experimentais podem ser expressivos. Como forma de acelerar a obtenção de valores de solubilidade, modelos matemáticos preditivos podem ser desenvolvidos através do treinamento em base de dados de alto volume. Há modelos construídos a partir das bases CheqSol, COSMO-RS e MLSMR. Neste trabalho, avaliou-se o desempenho de diversos tipos de regressão sobre a base de dados AqSolDB, obtendo modelo preditivo construído sobre a arquitetura de florestas aleatórias que melhor se adequou ao banco de dados. As medidas estatísticas mostraram valores de coeficiente de determinação de 0,81 e erro médio absoluto de 0,69 para o conjunto de teste. Considerando que o erro experimental possui 0,22 desvio padrão (0,88 de variação total, considerando 95% como intervalo de confiança), o melhor modelo matemático avaliado apresentou vantagens frente às etapas de laboratório. A utilização de modelos matemáticos contribui também para o menor erro e custo de desenvolvimento de novos medicamentos