A gyógyszerfelszívódásban és -megoszlásban játszott elsődleges szerepe miatt a lipofilitás a racionális gyógyszertervezés egyik legfontosabb és legrégebben használt paramétere. A normál oktanol/víz megoszlási hányados logaritmusa (logP) széles körben nyert alkalmazást QSAR (quantitative structure activity relationship – kvantitatív szerkezet-hatás összefüggés) és QSPR (quantitative structure property relationship – kvantitatív szerkezet-tulajdonság összefüggés) számításokban. A logP pontos meghatározásának kísérleti módszerei nem tekinthetők nagy áteresztő képességű eljárásoknak, így nagy és/vagy virtuális könyvtárak lipofilitás becsléséhez az in silico módszerek használata elengedhetetlen, ami a gyógyszeripari környezetben széleskörűen alkalmazott és elfogadott megközelítés. A logP in silico becslésére sokféle módszer létezik (Hansch és mtsai 2004) melyek közül a legrégebben alkalmazott eljárások kémiai alszerkezetek, fragmensek, vagy éppen atomok egyenkénti logP hozzájárulásának összegzésén alapulnak. Ez a megközelítés arra a feltevésre épül, hogy az atomi vagy fragmens logP-hozzájárulások összegzésével, valamint a modell létrehozásakor illesztett korrekciós paraméterek felhasználásával a molekula logP-értéke meghatározható. Léteznek módszerek, melyek a molekulák 3D szerkezetét felhasználva adnak becslést a logP-értékre. Ilyen módszerek a kvantummechanikai, illetve félempirikus számításokat vagy azok eredményeként létrehozott molekulaleírókat alkalmazó eljárások, a kontinuum szolvatációs módszerek, vagy a molekuladinamikát alkalmazó eljárások. Egy frissen megjelent összefoglaló munka (Mannhold és mtsai 2009) összehasonlítja szinte az összes elérhető logP becslésére szolgáló eljárást. A vizsgálat egy publikus (N=266) és két gyógyszergyár saját adatkészletén alapult (Nycomed, N=882; Pfizer, N=95809). Az eredmény mérföldkőnek tekinthető a logP-becslés irodalmában, egyrészt mivel elsőként elemez ilyen nagyszámú mért és számított logP-adatot, másrészt az adatok túlnyomó többsége gyógyszerkutatásban előállított eredeti molekulákra mért és számított logP-érték. Így a levont következtetések relevánsnak tekinthetők a gyógyszerkutatás mindennapos gyakorlatában, hiszen az eddig alkalmazott adatkészletek jelentős része nem gyógyszerszerű szerves molekulákra korlátozódott. Fontos szólni az adatok minőségéről is. Minden modell annyira lehet csak jó, amennyire a kiindulási adatok megbízhatóak. A különböző forrásból származó adatok esetén az egyes laboratóriumok és/vagy mérési módszerek között eltérések lehetnek. Az azonos mérési hely és módszer ideális kiindulópontot jelent egy megfelelő statisztikai mérőszámokkal rendelkező modell létrehozásához. Az összehasonlítás alapjául a számtani átlag modell (arithmetic average model, AAM) szolgált, ami minden vegyület esetén az adott adatkészlet mért logP-értékeinek számtani átlagát adja becslésül minden molekulára. Ha az adatkészletekre számolt hibanégyzetek átlagának gyöke (root mean squared errors, RMSE) bármely módszer esetén nagyobb az AAM eljárásra számított RMSE értéknél, úgy az a módszer logP-predikcióra nem alkalmazható. Mivel a számítási eljárások szinte mindegyikénél felhasználták a 266 elemű publikus adatkészletet, nem meglepő, hogy ebben az esetben szinte kivétel nélkül megfelelő eredmények születtek (3.13. táblázat).