Особенности разработки полносвязных нейросетей для решения задачи оценивания липофильности органических соединений

Авторы: Пякилля Б. И., Гончаров В. И.

Аннотация: Оценка липофильности малых органических соединений играет ключевую роль в разработке и оптимизации но-вых лекарственных препаратов. К сожалению, экспериментальные методы требуют значительных временных и материальных затрат, включая использование лабораторного оборудования и реагентов. Кроме того, для получе-ния достоверных результатов часто требуется ручная проверка и корректировка данных, что увеличивает трудоем-кость процесса. В отличие от этого, компьютерные методы, такие как машинное обучение, предлагают более быстрые и менее ресурсоемкие способы оценки липофильности, которые позволяют эффективно обрабатывать большие объемы данных, адаптироваться к сложным зависимостям между структурой молекулы и ее липофиль-ностью. Разработка нейросетевых моделей для решения задачи оценивания липофильности является непростой задачей в связи с недостаточным количеством экспериментальных данных и дороговизной их получения, а также высокими вычислительными затратами при использовании графовых нейросетевых моделей. В данной работе представлен анализ наиболее популярных способов описания химических структур в контексте поставленной за-дачи с целью их использования для построения полносвязных нейросетевых моделей, являющихся менее требо-вательными к объему обучающих данных. На основе проведенного анализа выбираются признаки, наилучшим образом описывающие органические соединения из открытого набора данных о липофильности, собранных из ба-зы данных ChEMBL. Проводится поиск оптимальной архитектуры нейросетевой модели для выбранных в ре-зультате анализа признаков.

Ключевые слова: хемоинформатика, липофильность, нейросеть, моделирование

Библиография статьи: Пякилля Б. И. Особенности разработки полносвязных нейросетей для решения задачи оценивания липофильности органических соединений / Б. И. Пякилля, В. И. Гончаров // Доклады ТУСУР. – 2024. – Т. 27, № 1. – С. 86–94. DOI: 10.21293/1818-0442-2024-27-1-86-94