Введение к работе
Актуальность темы Одним из первых этапов химического производства фармакологической продукции является выбор перспективных действующих веществ из большого массива химических соединений. Компьютерное прогнозирование таких свойств еще не синтезированных химических соединений, как токсичность, биодоступность, фармакологическая активность и т.п., позволяет проводить дорогостоящие экспериментальные исследования более прицельно и оценивать возможность использования соединения в качестве основы для создания лекарственного препарата на ранних стадиях его изучения. В основе исследований лежит предположение о том, что структура соединения определяет свойства, проявляемые этим соединением. Гипотезы о взаимосвязи структуры молекулы соединения и его свойствами могут быть построены на основе анализа сведений об уже синтезированных и исследованных молекулах соединений того же класса. Эту область исследований кратко называют изучением зависимостей «структура — свойство».
Традиционно для построения гипотез о зависимости между структурой молекулы сложного органического соединения и его свойствами используются методы регрессионного анализа, однако построить модели с приемлемыми прогностическими возможностями не всегда удается. В качестве альтернативных подходов в последнее время предлагается использование эвристических методов, в том числе искусственных нейронных сетей (ИНС) и эволюционных алгоритмов. 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.
Для достижения этой цели необходимо последовательное решение следующих задач:
анализ особенностей применения ИНС для задач прогнозирования свойств органических соединений;
выбор структуры ИНС и алгоритмов их обучения и тестирования;
разработка методики отбора действующих веществ лекарственных препаратов;
выбор инструментальных средств для реализации разработанной методики;
применение методики для решения различных задач отбора соединений с требуемыми свойствами.
Научная новизна
выявлены особенности применения ИНС для задач прогнозирования активности органических соединений,
разработана методика выбора действующих веществ фармакологической продукции химического производства;
предложен алгоритм регуляризации, позволяющий повысить точность прогнозов за счет уменьшения количества входных параметров 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(ТШО).
Методы исследования
Разработка методики выбора действующих веществ
фармакологической продукции химического производства выполнена с
использованием методов структурного системного анализа. Для прогнозирования свойств органических соединений использованы гомогенные однонаправленные трехслойные ИНС с 3-мя нейронами в промежуточном слое.
Апробация работы
Основные положения и результаты работы докладывались на российских и международных научно технических конференциях, в том числе на российском национальном конгрессе «Человек и лекарство» (Москва, 2006), международных научно-технических конференциях «Process Control» (Чешская республика, Пардубице, 2006), «Математические методы в технике и технологиях» (Кострома, 2004, Казань, 2005).
Публикации
Полученные в работе результаты изложены в 6 опубликованных работах, в том числе 2 статьях в журналах, рекомендованных ВАК РФ.
