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...

Повний опис

Збережено в:
Бібліографічні деталі
Опубліковано в: :Проблемы управления и информатики
Дата:2015
Автори: Самигулина, Г.А., Самигулина, З.И., Вуйцик, В., Крак, Ю.В.
Формат: Стаття
Мова:Russian
Опубліковано: Інститут кібернетики ім. В.М. Глушкова НАН України 2015
Теми:
Онлайн доступ:https://nasplib.isofts.kiev.ua/handle/123456789/207899
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати: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.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
Опис
Резюме: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