CD - PREDICTION DE L'ASSEMBLAGE MOLECULAIRE DANS DES FORMES CRISTALLINES DES PRINCIPES ACTIFS PHARMACEUTIQUES (APIs) A PARTIR DE MODELES D'IA - MACHINE LEARNING // CD - AI Machine Learning models applied to the prediction of crystalline assemblies of Acti

Topic description

Au cours des dernières années, l'intelligence artificielle (IA) et le Machine Learning se sont imposés comme des outils majeurs pour l'exploration de l'espace chimique et la prédiction de propriétés moléculaires complexes. En établissant des relations non linéaires entre structure, propriétés électroniques et interactions intermoléculaires, ces approches ouvrent des perspectives nouvelles pour modéliser des phénomènes difficiles à traiter par des méthodes purement expérimentales ou théoriques, en particulier lorsqu'il s'agit de prédire l'autoassemblage et l'organisation tridimensionnelle des molécules à l'état solide.

Les formes galéniques des ingrédients pharmaceutiques actifs (Active Pharmaceutical Ingredients, API) sont souvent solides puisqu'elles sont chimiquement stables et faciles à administrer et à produire. Les médicaments sous forme solide peuvent exister soit à l'état cristallin soit à l'état amorphe, avec une préférence pour le...