- 0
Создана компьютерная модель для агрохимии, предсказывающая активность молекул
Оценить этот вопрос:
-
Похожий контент
-
- 3 ответа
- 667 просмотров
-
ФГИС «Сатурн» и внесение изменений в ФЗ «О безопасном обращении с пестицидами и агрохимикатами»
От shival,
- фгис сатурн
- законы
- (и ещё 2 )
- 3 ответа
- 1 935 просмотров
-
- 6 ответов
- 1 334 просмотра
-
Важная информация
Мы используем файлы cookie, чтобы улучшить работу сайта. Дальнейшее пребывание на сайте означает согласие с их применением.
Вопрос
Алексей Н
Для построения модели авторы применили методы машинного обучения, в частности cамоорганизующиеся карты Кохонена. В качестве обучающей выборки использовалась уникальная выборка, включающая 1800 тщательно отобранных известных агрохимикатов. В качестве источников информации авторы использовали патенты, научные публикации и специализированные базы данных.
Молекулы, интересные с точки зрения агрохимии, принято делить на 2 категории: пестициды (которые борются с насекомыми, сорняками и грибками) и регуляторы роста растений (стимулирующие или подавляющие их рост). Для того, чтобы обнаружить новую активную молекулу из какой—либо группы, проводят дорогостоящие эксперименты — синтезируют большое количество (обычно несколько тысяч) разнообразных молекул, а затем проверяют их эффект на клетках или целых растениях. При этом в таких экспериментах значителен процент промахов — активными в лучшем случае могут оказаться лишь несколько десятков молекул. Иными словами, модель может быть использована с целью обоснованного уменьшения изначального количества молекул из числа доступных для дальнейшей экспериментальной проверки. Это позволит значительно снизить как временные, так и финансовые затраты на поиск активных молекул.
В своей работе авторы для моделирования использовали представление химического пространства, в котором каждая молекула описывается набором особых параметров — молекулярных дескрипторов. Значение такого дескриптора отражает особое свойство молекулы — растворимость, размер, площадь полярной поверхности и т.д. Каждая молекула в химическом пространстве задаётся (кодируется) набором таких параметров, как точка — своими координатами на плоскости.
С использованием алгоритма Кохонена без учителя можно уменьшить размерность этих данных с наименьшей ошибкой (этот этап назвается обучением алгоритма) и визуализировать результат в виде удобной для анализа двумерной карты, на которой можно поочередно выделить области, занимаемые молекулами из различных категорий. Тогда по этой карте можно оценить классификационную способность модели.
Если эта способность в высока (например, для подобных масштабных задач это больше 70%), то модель можно протестировать с использованием независимого тестового набора молекул, которые не принимали участие в обучении. Именно это и сделали авторы работы, наглядно продемонстрировав, что их модель способна прогнозировать специфическую активность новых молекул, относя их к одной из общепринятых категорий: гербициды, регуляторы роста растений.
"Важно отметить, что разработанная модель обладает хорошей дифференциальной прогностической способностью и является первой в области агрохимии, построенной с использованием такой представительной обучающей выборки. В ходе работы нам совместно с коллегами из Лаборатории разработки инновационных лекарственных средств удалось протестировать модель с использованием результатов реального тестирования, осуществленного нами. В дальнейшем мы планируем расширить обучающую выборку и повысить прогностическую способность модели, возможно с применением других алгоритмов машинного обучения", — приводит пресс-служба МФТИ слова Яна Иваненкова, главного автора статьи и заведующего Лабораторией медицинской химии и биоинформатики МФТИ.
Источник: http://ria.ru/studies/20160216/1375713205.html
Ссылка на комментарий
2 ответа на этот вопрос
Рекомендуемые сообщения
Для публикации сообщений создайте учётную запись или авторизуйтесь
Вы должны быть пользователем, чтобы оставить комментарий
Создать аккаунт
Зарегистрируйте новый аккаунт в нашем сообществе. Это очень просто!
Регистрация нового пользователяВойти
Уже есть аккаунт? Войти в систему.
Войти