350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №3 за 2010 г.
Статья в номере:
Использование нейронных сетей в задаче «структура-свойство» с использованием нечеткого описания пространственных структур молекул
Ключевые слова: задача «структура-свойство» искусственные нейронные сети нечеткие молекулярные дескрипторы молекулярные графы
Авторы:
Д.А. Деветьяров - аспирант механико-математического факультета, Московский государственный университет им. М. В. Ломоносова, Москва. E-mail: devetyarov@gmail.com М.И. Кумсков - д. ф.-м. н., проф. кафедры вычислительной математики механико-математического факультета, Московский государственный университет им. М.В. Ломоносова, Москва. E-mail: Kumskov@mail.ru
Аннотация:
Предложен метод создания искусственных нейронных сетей (ИНС) на основе кусочно-линейных моделей «структура-свойство», погружаемых в структуру ИНС. Приведены правила интерпретации элементов кусочно-линейной модели в виде многоуровневой нейронной сети. Показано применение метода к обучающей выборке соединений, протестированных на токсичность, с качеством прогноза до 87,9%.
Страницы: 14-19
Список источников
  1. Стьюпер Э., Брюггер У., Джурс П. Машинный анализ связи химической структуры и биологической активности: Пер. с англ. М.: Мир. 1982.
  2. Кадыров Ч. Ш., Тюрина Л. А., Симонов В. Д., Семенов В. А. Машинный поиск химических препаратов с заданными свойствами. Ташкент: Фан. 1989.
  3. Баскин И. И., Палюлин В. А., Зефиров Н. С.Применение искусственных нейронных сетей для прогнозирования свойств химических соединений // Нейрокомпьютеры: разработка и применение. 2005. № 1-2. С. 98-101.
  4. Baskin, I. I., Palyulin, V. A., and Zefirov, N. S., Neural Networks in Building QSAR Models // In: Artificial Neural Networks: Methods and Protocols. Livingstone D. S., Ed. Humana Press, Springer Science + Business Media. 2008. P. 139-160.
  5. Баскин И. И. Моделирование свойств химических соединений с использованием искусственных нейронных сетей и фрагментных дескрипторов // Автореф. дисс. ... докт. физ.-мат. наук, М. 2010.
  6. Джурс О. П., Айзенауэр Т. Распознавание образов в химии: Пер.с англ. М.: Мир. 1977.
  7. Голендер В. Е., Розенблит А. Б. Логико-комбинаторные методы конструирования лекарств. Рига: Зинатне. 1983.
  8. Devetyarov D. A., Zaharov A. M., Kumskov M. I., and Ponomareva, L. A., Fuzzy logic application for construction of 3D descriptors of molecules in QSAR problem // Pattern Recognition and Image Analysis: New Inform. Tech.(PRIA-8-2007). Yoshkar-Ola. 2007. V. 2. P. 249-252.
  9. Прикладные нечеткие системы / под ред. Т. Тэрано, К. Асаи, М. Сугэно. М. Мир. 1993.
  10. Кумсков М. И. Методология прогнозирования свойств химических соединений и ее программная реализация // Автореф. дисс. - докт. физ.-мат. наук. М. 1997.
  11. Karelson, M., Molecular Descriptors in QSAR/QSPR. Wiley-Interscience. 2000.
  12. Svitanko, I. V., Kumskov, M. I., Zyryanov, I. L., and Suslov, I. A., A method for describing the molecular electrostatic potential in determining structure-activity relationship / Mendeleev Comm. 1994. No. 5. P. 161-162.
  13. Svitanko, I. V., Devetyarov, D. A., Tcheboukov, D. E., Dolmat, M. S., Zakharov, A. M., Grigoryeva, S. S., Chichua, V. T., Ponomareva, L. A.,and Kumskov, M. I., QSAR modeling on the basis of 3D descriptors representing the electrostatic molecular surface (ambergris fragrances) // Mendeleev Comm. 2007. V. 17. No. 2. P. 90-91.
  14. Айвазян С. А., Бухштабер В. М., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Т. 3: Классификация и снижение размерности / под ред. С. А. Айвазяна. - М.: Финансы и статистика. 1989.
  15. ГОСТ Р ИСО/МЭК 12207-99. Информационная технология. Процессы жизненного цикла программных средств / М.: ИПК Издательство стандартов. 2000.
  16. Кумсков М. И., Митюшев Д. Ф. Применение метода группового учета аргументов для построения коллективных оценок свойств органических соединений на основе индуктивного перебора их «структурных спектров» // Проблемы управления и информатики. 1996. № 4. С. 127-149.
  17. Kumskov, M. I. and Mityushev, D. F., Group Method of Data Handling (GMDH) as Applied to Collective Property Estimation of Organic Compounds by an Inductive Search of Their Structural Spectra // Pattern Recognition and Image Analysis. 1996. V. 6. No. 3. P. 497-509.
  18. Кохов В. А. Метод количественного определения сходства графов на основе структурных спектров // Изв. РАН, Техн. Кибернетика. 1994. No. 5. С. 143-159.
  19. Дидэ Э., Боши С., Бросье Ж. и др. Методы анализа данных. Подход, основанный на методе динамических сгущений / Пер. с франц. М.: Финансы и статистика. 1985.
  20. Рязанов В. В. Оптимальные коллективные решения в задачах распознавания и классификации // Автореф. дисс. ... докт. физ.-мат. наук. М.: ВЦРАН. 1994.
  21. Haykin, S., Neural Networks: a Comprehensive Foundation - Macmillan. NY. 1994.