La diversité croissante dans l’environnement de composés potentiellement fœtotoxiques est une préoccupation de santé publique. L’objectif de ce travail était de contribuer à l’élaboration de méthodes rapides et efficaces pour en évaluer l’exposition prénatale. La modélisation de la relation quantitative structure à activité (QSAR) est apparue comme une méthode de choix dans l’élaboration d’un modèle prédictif pour le passage placentaire des contaminants. Les ratios fœto-maternels de concentrations sanguines pour 105 contaminants ont été compilés à partir de la littérature, et 214 descripteurs moléculaires ont été générés. Dix modèles prédictifs ont été élaborés à l’aide du logiciel Molecular Operating Environnement (MOE) et des langages de programmation Python et R. Les jeux de données d’entrainement et de test ont été utilisés, respectivement, pour élaborer et valider les modèles. L’outil Applicability Domain v1.0 a été utilisé pour déterminer le domaine d’applicabilité (DA). Les modèles élaborés avec les méthodes de régression des moindres carrés partiels dans MOE et SuperLearner dans R, ont montré les meilleures valeurs de précision et de prédictivité avec des coefficients de détermination internes (R2) de 0,88 et 0,82, des R2 de validation croisée de 0,72 et 0,57, et des R2 externes de 0,73 et 0,74, respectivement. Le recouvrement de toutes les molécules du jeu de test par le domaine d’applicabilité a permis de démontrer la fiabilité et la pertinence des prédictions des modèles. Les résultats obtenus démontrent que les modèles élaborés peuvent aider à quantifier l’exposition fœtale aux composés toxiques de l’environnement à partir des concentrations sanguines de la mère. / The increasing diversity of environmental chemicals in the environment, some of which may be developmental toxicants, is a public health concern. The aim of this work was to contribute to the development of rapid and effective methods to assess prenatal exposure. Quantitative structure-activity relationships (QSAR) modeling has emerged as a promising method in the development of a predictive model for the placental transfer of contaminants. Fetal to maternal plasma or serum concentration ratios for 105 chemicals were extracted from the literature, and 214 molecular descriptors were generated for each of these chemicals. Ten predictive models were built using Molecular Operating Environment (MOE) software, and the Python and R programming languages. Training and test datasets were used, respectively, to build and validate the models. The Applicability Domain Tool v1.0 was used to determine the applicability domain. The models developed with the partial least squares regression method in MOE and SuperLearner in R, showed the best precision and predictivity, with internal coefficients of determination (R2) of 0.88 and 0.82, cross-validated R2s of 0.72 and 0.57, and external R2s of 0.73 and 0.74, respectively. The inclusion of all test chemicals by the domain of applicability demonstrated the reliability and relevance of the model predictions. The results obtained demonstrate that QSAR modeling can help quantify placental transfer of environmental chemicals.
| Identifer | oai:union.ndltd.org:umontreal.ca/oai:papyrus.bib.umontreal.ca:1866/27007 |
| Date | 05 1900 |
| Creators | Lévêque, Laura |
| Contributors | Verner, Marc-André |
| Source Sets | Université de Montréal |
| Language | fra |
| Detected Language | French |
| Type | thesis, thèse |
| Format | application/pdf |
Page generated in 0.0018 seconds