Методи та засоби аналiзу хiмiчних сполук засобами штучного iнтелекту

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.