Ces dernières années, les techniques de relations quantitatives structure-activité (QSAR) ont été développées pour construire des modèles avancés, grâce à l'apprentissage automatique, afin de prédire les propriétés de nouvelles molécules. Cette approche devrait permettre de réduire les délais et les coûts expérimentaux. Dans cette présentation, nous introduirons les extensions Materials Informatics Toolkit et Torch Deep Learning disponibles sur la plateforme JMP Marketplace. Ces modules complémentaires utilisent le logiciel libre RDKit, largement répandu, pour traiter les chaînes SMILES des substances chimiques, offrant ainsi aux chimistes un flux de travail interactif et performant pour la réalisation d'études QSAR. Cette présentation illustrera également l'utilisation de ces extensions à travers quelques exemples.
