Онтологические модели алгоритмов роевого интеллекта для иммунносетевого моделирования лекарственных препаратов release_bs2chefgfreg7gpvyjugi23vte

by G. A. Samigulina, Zh. A. Massimkanova

Published in Journal of Mathematics Mechanics and Computer Science by Al-Farabi Kazakh National University.

2017   Volume 93, p92-104

Abstract

Статья посвящена разработке информационной системы прогнозирования свойств новых лекарственных препаратов на основе методов роевого интеллекта и искусственных иммунных систем. Важным аспектом при прогнозировании зависимости между химическим строением вещества и их биологической активностью (QSAR, Quantitative Structure-Activity Relationship) является выбор дескрипторов. Перспективным направлением в области QSAR стало применение подходов искусственного интеллекта, которые обеспечивают высокую точность прогнозирования химических соединений с заданными свойствами. В статье рассматриваются методы пчелиной колонии и алгоритм роя частиц для решения задачи выделения информативных дескрипторов и дальнейшего иммунносетевого моделирования фармакологической активности химических соединений. Приведены существующие программные средства реализации данных алгоритмов для построения оптимального набора дескрипторов. Применение мультиалгоритмического подхода при иммунносетевом моделировании лекарств требует систематизации используемых методов и создание интегрированной онтологической модели. Разработка онтологических моделей позволяет структурировать входные и выходные данные, учитывать особенности функционирования и взаимосвязи, экономит временные и вычислительные ресурсы при разработке компонентно-ориентированного программного обеспечения для иммунносетевого моделирования новых химических веществ с заданной фармакологической активностью. Разработаны онтологические модели пчелиной колонии и алгоритма роя частиц для решения задачи выделения информативных дескрипторов в редактор онтологий Protege.
In text/plain format

Archived Files and Locations

application/pdf   1.1 MB
file_lghl2gt7lzbqfoep3cvnydc7zu
bm.kaznu.kz (web)
web.archive.org (webarchive)
Read Archived PDF
Preserved and Accessible
Type  article-journal
Stage   published
Year   2017
Language   en ?
Journal Metadata
Open Access Publication
In DOAJ
Not in Keepers Registry
ISSN-L:  1563-0277
Work Entity
access all versions, variants, and formats of this works (eg, pre-prints)
Catalog Record
Revision: ee79a82c-3bb0-4e33-b591-5a1811a0c52c
API URL: JSON