Применение искусственных нейронных сетей для выбора действующих веществ фармакологической продукции химического производства

• Автор: Ушаков, Павел Александрович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2008
• Место защиты: Москва
• Количество страниц: 69 с. : ил.

Содержание
ВВЕДЕНИЕ.
ГЛАВА 1. ОСОБЕННОСТИ ПРИМЕНЕНИЯ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ВЫБОРА ДЕЙСТВУЮЩИХ ВЕЩЕСТВ ФАРМАКОЛОГИЧЕСКОЙ ПРОДУКЦИИ ХИМИЧЕСКОГО ПРОИЗВОДСТВА
1.1 Задача выбора действующих веществ фармакологической продукции химического производства

1.2 Описание структуры молекул исследуемых соединений

1.3 Искусственные нейронные сети

1.3.1 Структура искусственных нейронных сетей.

1.3.2. Обучение и тестирование искусственных нейронных сетей

1.4 Программы моделирования нейронных сетей.

1.5 Применение нейронных сетей в химических и биохимических исследованиях

ГЛАВА 2. МЕТОДИКА ВЫБОРА ПЕРСПЕКТИВНЫХ ДЕЙСТВУЮЩИХ ВЕЩЕСТВ ЛЕКАРСТВЕННЫХ ПРЕПАРАТОВ С ПОМОЩЬЮ ИНС
2.1 Методы функционального моделирования предметной области.
2.2 Обобщенное описание процедуры выбора действующих веществ фармакологической продукции химического производства.
2.3 Этапы выбора действующих фармакологической продукции с помощью ИНС
ГЛАВА 3. ПРИМЕНЕНИЕ МЕТОДИКИ ВЫБОРА ДЕЙСТВУЮЩИХ ВЕЩЕСТВ ФАРМАКОЛОГИЧЕСКОЙ ПРОДУКЦИИ ХИМИЧЕСКОГО ПРОИЗВОДСТВА
3.1 Выбор производных дитиокарбаминовой кислоты, обладающих противотуберкулезной активностью.
3.2 Выбор ненуклеозидных ингибиторов обратной транскриптазы, обладающих антиВИЧ активностью
ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ
СПИСОК ЛИТЕРАТУРЫ


Построение гипотез о взаимосвязи между структурой и свойствами исследуемых соединений сводится к выявлению общей закономерности на основе ряда примеров ее проявления. Эта задача относится к классу задач индуктивного вывода. Как правило, гипотеза описывается в виде формулы, в которую необходимо подставить параметры структуры молекулы для того, чтобы получить оценку ее активности. Основным результатом прогнозирования являются оценки значений свойств соединений тестовой выборки. Корреляционные методы основаны на попытках построить функцию, связывающую значения каких-либо параметров со значением свойства. Для получения такой функции применяются различные методы статистической обработки данных, такие как различные варианты регрессионного анализа, дискриминантный анализ, метод главных компонент и метод “частичных наименьших квадратов”. Наибольшее распространение получили регрессионные методы, однако при применении регрессионного анализа не всегда удается получить хорошую модель. Причин для этого может быть несколько, например, нелинейность исследуемой зависимости между структурой и свойством (активностью), или комбинаторные затруднения. Поэтому в последнее время стали активно применяться подходы, основанные на методах искусственного интеллекта, в том числе методы, основанные на использовании искусственных нейронных сетей, позволяющих формировать гибкие нелинейные модели зависимостей «структура-свойство». Однако при применении ИНС для задач прогнозирования свойств органических соединений возникает ряд проблем, связанных, в первую очередь, с малым объемом выборок. Актуальной остается задача разработки алгоритмов и методик применения ИНС для отбора действующих веществ новых лекарственных препаратов на основе прогнозов свойств этих соединений. Целью работы является повышение эффективности ранних стадий химического производства фармакологической продукции за счет сокращения сроков выбора действующих веществ путем использования искусственных нейронных сетей. ИНС. Практическая значимость. Основным практическим результатом является методика выбора действующих веществ фармакологической продукции химического производства. На основе этой методики получены подтвердившиеся в ходе экспериментальных исследований прогнозы противотуберкулезной активности производных дитиокарбаминовой кислоты и анти-ВИЧ активности производных тетрагидроимидазобензодиазипенона (Т1ВО). Разработка методики выбора действующих веществ фармакологической продукции химического производства выполнена с использованием методов функционального моделирования. Для прогнозирования свойств органических соединений использованы гомогенные однонаправленные трехслойные ИНС с 3-мя нейронами в промежуточном слое. ГЛАВА 1. Задача выбора действующих веществ фармак'оло! Одним из первых этапов химического производства фармакологической продукции является выбор действующего вещества из большого массива соединений. Традиционно основой такого выбора являются экспериментальные исследования, однако на протяжении последних десятилетий интенсивно развивается новое научное направление — компьютерная химия. Одной из основных задач этого направления является предсказание физических, химических и биологических свойств химических соединений. Такое прогнозирование позволяет проводить дорогостоящие экспериментальные исследования более прицельно и оценивать возможность использования соединения в качестве основы для создания лекарственного препарата на ранних стадиях его изучения [1]. В основе исследований лежит предположение о том, что структура соединения определяет свойства, проявляемые этим соединением. В некоторых случаях интересующие исследователя свойства могут быть рассчитаны непосредственно на основе структуры исследуемого соединения, однако чаще всего для исследования взаимосвязи между структурой молекулы соединения и его свойствами структуру молекулы описывают с помощью точечных характеристик - молекулярных дескрипторов и затем пытаются выявить взаимосвязи между этими дескрипторами и интересующими исследователя свойствами соединений.