Методи та засоби аналiзу хiмiчних сполук засобами штучного iнтелекту

No Thumbnail Available

Date

2023

Journal Title

Journal ISSN

Volume Title

Publisher

Національний університет «Львівська політехніка»

Abstract

Дисертацiйна робота присвячена розробцi методiв та засобiв штучного iнтелекту для iнформацiйної розробки та вiдбору найбiльш перспективних молекул-кандидатiв у лiкарськi речовини. Незважаючи на вдосконалення таких технологiй як високопродуктивний скринiнг, бiотехнологiя та комбiнаторна хiмiя, вартiсть виведення на ринок нового препарату з поправкою на iнфляцiю подвоюється кожнi дев’ять рокiв. Рентабельнiсть фармацевтичних дослiджень невпинно спадає. Тому гостро постає потреба оптимiзацiї процесу розробки нових лiкiв, зокрема, методами штучного iнтелекту. Запропонованi у роботi методи поєднуються у єдину iнформацiйну систему для розробки лiкарських речовин iз заданими фiзико-хiмiчними та бiологiчними властивостями, а також прогнозуванням придатностi до синтезу у лабораторiї. Despite technological advances in drug discovery, such as high-throughput screening, biotechnology, and combinatorial chemistry, the inflation-adjusted drug-to-market cost doubles every nine years [1]. The profitability of pharma ceutical research is falling and has become negative in this decade [2]. Therefore, optimizing drug development is urgently needed, particularly using artificial intelligence methods. A set of artificial intelligence methods that form an inte grated approach to virtual drug design is suggested. The approach guides the generation of molecular structures by their biological affinity to the target and the level of synthetic accessibility.

Description

Keywords

машинне навчання, глибокi нейроннi мережi, графовi нейроннi мережi, мета-навчання, молекулярна спорiдненiсть, вихiд хiмiчної реакцiї, генерацiя молекул-кандидатiв, drug discovery, molecules, machine learning, deep learning, graph neural networks, meta-learning, molecular affinity, chemical reaction yield, chemical structures generation

Citation

Гурбич О. В. Методи та засоби аналiзу хiмiчних сполук засобами штучного iнтелекту : дисертацiя на здобуття наукового ступеня кандидата технiчних наук (доктора фiлософiї) : 122 – комп’ютернi науки / Олександр Вiкторович Гурбич ; Міністерство освіти і науки України, Нацiональний унiверситет “Львiвська полiтехнiка”. – Львiв, 2023. – 252 с. – Бібліографія: с. 128–159 (292 назви).