Прогнозирование зависимости «структура–свойство» новых органических соединений на основе искусственных иммунных систем

Представлено технологію прогнозування властивостей органічних сполук на основі штучних імунних систем для визначення нових речовин-кандидатів для лікарських препаратів. Виділення інформативних дескрипторів і розпізнавання образів здійснюється за допомогою методу головних компонент і сингулярного роз...

Full description

Saved in:
Bibliographic Details
Published in:Проблемы управления и информатики
Date:2015
Main Authors: Самигулина, Г.А., Самигулина, З.И., Вуйцик, В., Крак, Ю.В.
Format: Article
Language:Russian
Published: Інститут кібернетики ім. В.М. Глушкова НАН України 2015
Subjects:
Online Access:https://nasplib.isofts.kiev.ua/handle/123456789/207899
Tags: Add Tag
No Tags, Be the first to tag this record!
Journal Title:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Cite this:Прогнозирование зависимости «структура–свойство» новых органических соединений на основе искусственных иммунных систем / Г.А. Самигулина, З.И. Самигулина, В. Вуйцик, Ю.В. Крак // Проблемы управления и информатики. — 2015. — № 2. — С. 81-88. — Бібліогр.: 16 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
Description
Summary:Представлено технологію прогнозування властивостей органічних сполук на основі штучних імунних систем для визначення нових речовин-кандидатів для лікарських препаратів. Виділення інформативних дескрипторів і розпізнавання образів здійснюється за допомогою методу головних компонент і сингулярного розкладання матриць. Запропонована технологія дозволяє підвищити ефективність моделювання, зменшити похибки енергетичних оцінок і поліпшити достовірність прогнозу при розробці нових препаратів седативної дії (барбітуратів). The technology for predicting of organic compounds properties based on artificial immune systems to identify new candidate substances for medications is proposed. Informative descriptors determination and pattern recognition is ca rried out using principal component method and the singular value decomposition of matrices. The proposed technology improves the efficiency of simul ation, reduces errors of the energy estimates and improves the accuracy of forecasting for development of new drugs of sedative action (barbiturates) development.
ISSN:0572-2691