Нейронная сеть как инструмент реализации кусочно-линейного классификатора при массовом скрининге молекул

Е.И. Прохоров; А.В. Перевозников; Л.А. Пономарева; М.И. Кумсков

Нейронная сеть как инструмент реализации кусочно-линейного классификатора при массовом скрининге молекул

Е.И. Прохоров¹, А.В. Перевозников², Л.А. Пономарева³, М.И. Кумсков⁴

научная статья Страницы: 39-45

^1,2 студент механико-математического факультета Московского государственного университета им. М. В. Ломоносова, Москва
³ к. ф.-м. н., н. с. механико-математического факультета Московского государственного университета им. М. В. Ломоносова, Москва
⁴ д. ф.-м. н., проф. кафедры вычислительной математики механико-математического факультета Московского государственного университета им. М. В. Ломоносова, Москва

Ключевые слова: задача «структура-свойство»искусственные нейронные сети нечеткие молекулярные дескрипторы молекулярные графы

Аннотация

Предложено использование многоуровневых искусственных нейронных сетей (ИНС) для реализации кусочно-линейной функции прогнозирования на этапе анализа новых молекул (скрининга). «Кусочность» функции основана на знании кластерной структуры обучающей выборки. Радиально-базисные нейроны реализуют правила «свой-чужой» - правила отказа от прогноза, и используют топологические молекулярные дескрипторы. Другой тип дескрипторов - дескрипторы пространственной молекулярной формы, ? используется линейными нейронами для проведения прогнозирования внутри кластера. Показано, что улучшение качества прогноза может быть основано на представлении формы кластера (как области допустимых аргументов функции прогноза) с помощью ядер Дидэ. Построены модели «структура-свойство» с высоким качеством прогноза и проведено их сравнение, показывающее практическую эффективность метода.

Для цитирования

Прохоров Е.И., Перевозников А.В., Пономарева Л.А., Кумсков М.И. Нейронная сеть как инструмент реализации кусочно-линейного классификатора при массовом скрининге молекул // Нейрокомпьютеры: разработка, применение. 2010. № 3. С. 39–45.

Список источников

Джурс О. П., Айзенауэр Т. Распознавание образов в химии: Пер.с англ. М.: Мир. 1977.
Стьюпер Э., Брюггер У., Джурс П. Машинный анализ связи химической структуры и биологической активности: Пер.с англ. М.: Мир. 1982.
Baskin, I. I., Palyulin, V. A., and Zefirov, N. S., NASA. A computer program for performing QSAR/QSPR studies using artificial neural networks // QSAR and Molecular Modeling: Concepts, Computational Tools and Biological Applications. Barcelona: Prous Science Publ. 1995. P. 30-31.
Baskin, I. I., Keshtova, S. V., Palyulin, V. A., and Zefirov, N. S., Combining Molecular Modeling with the Use of Artificial Neural Networks as an Approach to Predict Substituent Constants and Bioactivity // Molecular Modeling and Prediction of Bioactivity; K. Gundertofte; F.S. Jorgensen, Eds. Klumer Academic / Plenum Publishers: NY. 2000. Р. 468-469.
Karelson, M., Molecular Descriptors in QSAR/QSPR. Wiley-Interscience, 2000.
Кумсков М. И., Смоленский Е. А., Пономарева Л. А., Митюшев Д. Ф., Зефиров Н. С. Системы структурных дескрипторов для решения задач «структура-свойство» // Докл. РАН. 1994. Р. 336.
Kumskov, M. I., Mityushev, D. F., Oshchepkov, E. N., and Kolovanov, E. A., Computer-Aided Extraction and Application of Knowledge about Structure-Property Relationship in Factographical Chemical-Structure Data Bases // Pattern Recognition and Image Analysis. 1995. V. 5. No.4. P. 589-601.
ГОСТ Р ИСО/МЭК 12207-99. Информационная технология. Процессы жизненного цикла программных средств. М.: ИПК Издательство стандартов. 2000.
Айвазян С. А., Бухштабер В. М., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Т. 3: Классификация и снижение размерности: Справ. изд. / под ред. С. А. Айвазяна. М.: Финансы и статистика. 1989.
Минский М. Л., Пейперт С. Персептроны: Пер. с англ. М.: Мир. 1971.
Handbook of Brain Theory and Neural Networks / Second Edition, Ed. by M. A Arbib.NY, MIT Press. 2002.
Nigrin, A., Neural Networks for Pattern Recognition. NY. MITPress. 1993.
Дюран Б., Оделл П. Кластерный анализ. М.: Статистика. 1977.
Классификация и кластер / Под ред. Дж. Райзина. М.: Мир. 1980.
Haykin, S., Neural Networks: a Comprehensive Foundation - Macmillan. NY. 1994.
Буркерт У., Эллинджер Н. Л. Молекулярная механика. М.: Мир, 1986.
Кумсков М. И. Методология прогнозирования свойств химических соединений и ее программная реализация // Автореф. дисс. - докт. физ.-мат. наук. М. 1997.
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.
Деветьяров Д. А., Кумсков М. И. Использование нейронных сетей в задаче «структура-свойство» с использованием нечеткого описания пространственных структур молекул / Нейрокомпьютеры: разработка и применение. 2010. № 3.
Прохоров Е. И., Перевозников А. В., Воропаев И. Д., Кумсков М. И., Пономарева Л. А. Поиск представления молекул и методы прогнозирования активности в задаче «структура-свойство» // Докл. XIV Всеросс. конф. «Математические методы распознавания образов (ММРО-14)». М.: МАКС Пресс. 2009. С. 589-591.
Деветьяров Д. А., Кумсков М. И., Апрышко Г. Н., Носеевич Ф. M. и др. Сравнительный анализ применения нечетких дескрипторов при решении задачи «структура-активность» для выборки гликозидов // Докл. XIV Всеросс. конф. «Математическиеметодыраспознаванияобразов(ММРО-14)». М.: МАКСПресс. 2009. С. 511-514.

[1] Джурс О. П., Айзенауэр Т. Распознавание образов в химии: Пер.с англ. М.: Мир. 1977.

[2] Стьюпер Э., Брюггер У., Джурс П. Машинный анализ связи химической структуры и биологической активности: Пер.с англ. М.: Мир. 1982.

[3] Baskin, I. I., Palyulin, V. A., and Zefirov, N. S., NASA. A computer program for performing QSAR/QSPR studies using artificial neural networks // QSAR and Molecular Modeling: Concepts, Computational Tools and Biological Applications. Barcelona: Prous Science Publ. 1995. P. 30-31.

[4] Baskin, I. I., Keshtova, S. V., Palyulin, V. A., and Zefirov, N. S., Combining Molecular Modeling with the Use of Artificial Neural Networks as an Approach to Predict Substituent Constants and Bioactivity // Molecular Modeling and Prediction of Bioactivity; K. Gundertofte; F.S. Jorgensen, Eds. Klumer Academic / Plenum Publishers: NY. 2000. Р. 468-469.

[5] Karelson, M., Molecular Descriptors in QSAR/QSPR. Wiley-Interscience, 2000.

[6] Кумсков М. И., Смоленский Е. А., Пономарева Л. А., Митюшев Д. Ф., Зефиров Н. С. Системы структурных дескрипторов для решения задач «структура-свойство» // Докл. РАН. 1994. Р. 336.

[7] Kumskov, M. I., Mityushev, D. F., Oshchepkov, E. N., and Kolovanov, E. A., Computer-Aided Extraction and Application of Knowledge about Structure-Property Relationship in Factographical Chemical-Structure Data Bases // Pattern Recognition and Image Analysis. 1995. V. 5. No.4. P. 589-601.

[8] ГОСТ Р ИСО/МЭК 12207-99. Информационная технология. Процессы жизненного цикла программных средств. М.: ИПК Издательство стандартов. 2000.

[9] Айвазян С. А., Бухштабер В. М., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Т. 3: Классификация и снижение размерности: Справ. изд. / под ред. С. А. Айвазяна. М.: Финансы и статистика. 1989.

[10] Минский М. Л., Пейперт С. Персептроны: Пер. с англ. М.: Мир. 1971.

[11] Handbook of Brain Theory and Neural Networks / Second Edition, Ed. by M. A Arbib.NY, MIT Press. 2002.

[12] Nigrin, A., Neural Networks for Pattern Recognition. NY. MITPress. 1993.

[13] Дюран Б., Оделл П. Кластерный анализ. М.: Статистика. 1977.

[14] Классификация и кластер / Под ред. Дж. Райзина. М.: Мир. 1980.

[15] Haykin, S., Neural Networks: a Comprehensive Foundation - Macmillan. NY. 1994.

[16] Буркерт У., Эллинджер Н. Л. Молекулярная механика. М.: Мир, 1986.

[17] Кумсков М. И. Методология прогнозирования свойств химических соединений и ее программная реализация // Автореф. дисс. - докт. физ.-мат. наук. М. 1997.

[18] 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.

[19] Деветьяров Д. А., Кумсков М. И. Использование нейронных сетей в задаче «структура-свойство» с использованием нечеткого описания пространственных структур молекул / Нейрокомпьютеры: разработка и применение. 2010. № 3.

[20] Прохоров Е. И., Перевозников А. В., Воропаев И. Д., Кумсков М. И., Пономарева Л. А. Поиск представления молекул и методы прогнозирования активности в задаче «структура-свойство» // Докл. XIV Всеросс. конф. «Математические методы распознавания образов (ММРО-14)». М.: МАКС Пресс. 2009. С. 589-591.

[21] Деветьяров Д. А., Кумсков М. И., Апрышко Г. Н., Носеевич Ф. M. и др. Сравнительный анализ применения нечетких дескрипторов при решении задачи «структура-активность» для выборки гликозидов // Докл. XIV Всеросс. конф. «Математическиеметодыраспознаванияобразов(ММРО-14)». М.: МАКСПресс. 2009. С. 511-514.

Аннотация

Для цитирования

Похожие статьи