Применение методов машинного обучения для разработки новых молекул с антибактериальной активностью Веселов Марк Сергеевич

Краткое описание

Веселов,МаркСергеевич.Применениеметодовмашинногообучениядляразработкиновыхмолекулсантибактериальнойактивностью: диссертация ... кандидата биологических наук : 03.01.02 /ВеселовМаркСергеевич; [Место защиты: Московский физико-технический институт (национальный исследовательский университет)]. - Москва, 2019. - 113 с. : ил.больше
Цитаты из текста:

стр. 1
исследовательский университет)» На правах рукописиВеселовМаркСергеевичПРИМЕНЕНИЕМЕТОДОВМАШИННОГООБУЧЕНИЯДЛЯРАЗРАБОТКИНОВЫХМОЛЕКУЛСАНТИБАКТЕРИАЛЬНОЙАКТИВНОСТЬЮСпециальность: 03.01.02 Биофизика Диссертация на соискание ученой степени кандидата биологических наук Научный руководитель: кандидат биологических

стр. 2
и этапы открытия антибиотиков 1.2 Проблемы в современнойразработкеантибиотиков 1.3 Тренды в медицинской химииантибактериальныхпрепаратов 1.4 Механизмы устойчивости кантибактериальнымпрепаратам 1.5.Применениекомпьютерныхметодовдляразработкиновыхантибактериальныхмолекул1.6. Недостатки существующих моделей Глава 2. Материалы иметоды3.1. Референсная база данныхантибактериальныхсоединений 3.2....

стр. 9
научных публикациях. Целью работы являетсяразработкакомпьютерной моделидляпрогнозированияантибактериальнойактивностималыхмолекулс высоким структурным разнообразием сприменениемметодовмашинногообучения.Длядостижения этой цели ставились следующие задачи: 1. Создание базы данных известных активных

Оглавление диссертациикандидат наук Веселов Марк Сергеевич
Содержание
Список сокращений и обозначений
Введение
Глава 1. Обзор литературы
1.1 Механизмы и этапы открытия антибиотиков
1.2 Проблемы в современной разработке антибиотиков
1.3 Тренды в медицинской химии антибактериальных препаратов
1.4 Механизмы устойчивости к антибактериальным препаратам
1.5. Применение компьютерных методов для разработки новых антибактериальных молекул
1.6. Недостатки существующих моделей
Глава 2. Материалы и методы
3.1. Референсная база данных антибактериальных соединений
3.2. Метод USR
3.3. Метод отбора соединений на стадию биологического тестирования
3.4. Биологическое тестирование
3.4.1. Высокопроизводительный скрининг
3.4.2. Ингибирование трансляции
3.4.2.1. In vivo тестирование
3.1.2.2. In vitro тестирование
3.4.3. МТТ тест
3.4.4. Минимальная ингибирующая концентрация
3.5. Обучающая выборка
3.6. Молекулярные дескрипторы
3.7. Компьютерное моделирование
3.7.1. Сегментация обучающей выборки
3.7.2. Генеративное топографическое картирование
3.7.3. Метод k-ближайших соседей
3.7.4. Градиентный бустинг
3.7.5. Случайный лес
3.7.6. Сеть прямого распространения
3.7.7. Логистическая регрессия
3.7.8. Метрики качества моделей
3.8. Экспериментальная валидация
Глава 3. Экспериментальная часть
3.1. Отбор молекул на стадию биологического тестирования
3.2. Результаты биологического тестирования
3.3. Отбор дескрипторов
3.4. Анализ подструктурных фрагментов
3.5. Подготовка обучающей выборки
3.6. Обучение и выбор архитектуры модели
3.6.1. Обучение базовых моделей
3.6.2. Подбор оптимальных гиперпараметров
3.7. Экспериментальная валидация моделей
Заключение
Выводы