Матричная свертка спектра энергий множественного докинга для нейросетевого моделирования мультитаргетной фармакологической активности химических соединений
Автор: Васильев П.М., Голубева А.В., Перфильев М.А., Кочетков А.Н.
Журнал: Волгоградский научно-медицинский журнал @bulletin-volgmed
Рубрика: Статьи
Статья в выпуске: 4 т.21, 2024 года.
Бесплатный доступ
Изложен алгоритм матричной свертки спектра энергий множественного докинга лигандов в релевантные белки-мишени. На примере анксиолитической активности выполнена матричная свертка спектра энергий мультитаргетного множественного докинга в 22 сверточных переменных. Методами однофакторного дисперсионного анализа, дискриминантного анализа и нейросетевого анализа показана высокая статистическая достоверность использования полученных сверточных переменных для оценки интегральной мультитаргетной аффинности лигандов к совокупности релевантных биомишеней. Как итог, разработан новый метод построения сверточных нейронных сетей для поиска in silico фармакологически активных веществ на основе матричной свертки спектров энергий мультитаргетного множественного докинга.
Фармакологическая активность, релевантные биомишени, мультитаргетный множественный докинг, спектры энергий докинга, матричная свертка, дискриминантный анализ, искусственные нейронные сети
Короткий адрес: https://sciup.org/142243439
IDR: 142243439 | DOI: 10.19163/2658-4514-2024-21-4-54-59
Список литературы Матричная свертка спектра энергий множественного докинга для нейросетевого моделирования мультитаргетной фармакологической активности химических соединений
- Sarkar C., Das B., Rawat V. S. et al. Artificial Intelligence and Machine Learning Technology Driven Modern Drug Discovery and Development. International Journal Molecular Sciences. 2023;24(3):2026. EDN: DSPOGU
- Leijnen S., Van Veen F. The Neural Network Zoo. Proceedings. 2020;47(4):9.
- Васильев П. М., Кочетков А. Н., Спасов А. А., Перфильев М. А. Спектр энергий множественного докинга как многомерная метрика аффинности химических соединений к фармакологически релевантным биомишеням. Волгоградский научно-медицинский журнал. 2021;3:57-61.
- Васильев П. М., Перфильев М. А., Кочетков А. Н. Нейросетевое моделирование зависимости RAGE-ингибирующей активности химических соединений от спектра энергий множественного докинга. Вестник Волгоградского государственного медицинского университета. 2023;20(4): 157-161. EDN: LIGPJH
- Vassiliev P. M., Perfilev М. A., Golubeva A. V. et al. Multi-target neural network model of anxiolytic activity of chemical compounds based on correlation convolution of energy spectra of multiple docking. XXX symposium "Bioinformatics and computer-aided drug discovery": Proceedings book. Moscow: Institute of Biomedical Chemistry. 2024. 46 р. EDN: NRGYJL
- Hilbe J. M. Statistica 7: an overview. The American Statistician. 2007;61(1):91-94.
- Аренс Х., Лёйтер Ю. Многомерный дисперсионный анализ. Mосква: Финансы и статистика, 1985. 230 c.
- Ким Дж.-О., Мьюллер Ч. У., Клекка У. Р. и др. Факторный, дискриминантный и кластерный анализ. Москва: Финансы и статистика, 1989. 215 с.
- Глотов Н. В., Животовский Л. А., Хованов Н. В., Хромов-Борисов Н. Н. Биометрия. Ленинград: Изд-во Ленингр. ун-та, 1982. 264 с.
- Dubin U. Cross-Entropy Method: Theory with Applications. Chisinau (Moldova): LAMBERT Academic Publishing, 2013. 148 p.
