Précédent Suivant
Cette revue fait le point sur les derniers développements de la modélisation in silico pour prédire la toxicité hépatique dans les évaluations toxicologiques. Cette modélisation s’appuie sur l’apprentissage profond et les données obtenues in vitro. Ces modèles, développés pour évaluer la toxicité de nouveaux principes actifs médicamenteux, peuvent également être appliqués sur des principes actifs extraits de plantes. Les récents développements de l’apprentissage profond permettent aujourd’hui d’améliorer la précision des modèles in silico. Ces modèles prennent notamment en compte la structure des molécules à étudier pour prédire les lésions hépatiques susceptibles d’être provoquées. Les progrès des dernières années ont permis une amélioration significative de la modélisation in silico pour la prédiction des lésions hépatiques induites par les médicaments.  

Source(s) :
Hyun Kil Shin et al. In silico modeling-based new alternative methods to predict drug and herb-induced liver injury: A review. Food Chem Toxicol. 2023 Jul 15;113948. ;

Dernières revues


COVID-19 et paramètres de coagulation : un lien avec la mortalité ?

La pandémie de COVID-19, causée par le SARS-CoV-2, a entraîné des millions...

Entraînement de résistance et sclérose en plaques : une solution pour améliorer fonction et qualité de vie ?

La sclérose en plaques (SEP) est une maladie auto-immune chronique du syst...

Endométriose : impact des hormones, des comportements sexuels et des traitements chirurgicaux

L'endométriose est une maladie inflammatoire chronique modulée par les niv...