Кабачевский

1.

Генерация новых формул
препаратов с помощью
нейронных сетей
Выпускная квалификационная работа
Подготовил: Кабачевский Глеб 141-ПМо
Научный руководитель: Доцент, кандидат физ.-мат. наук Баженов Илья Иванович

2.

Цель и задачи
Цель работы – разработать нейросетевой подход к генерации новых
формул препаратов-хронобиотиков, основанный на двухэтапной
архитектуре: обучение дискриминативной модели на базе ChronobioticDB,
её применении для виртуального скрининг библиотеки SAVI-2020 и
использовании в качестве функции вознаграждения для последующей
генеративной модели.
Задачи:
1. Разработать двухступенчатый пайплайн: бинарный классификатор
(хронобиотик / не хронобиотик) + многоклассовый классификатор
эффектов
2. Сформировать антивыборку из случайных молекул PubChem для
обучения бинарной ступени
3. Улучшить качество модели: Morgan-фингерпринты, SMILESаугментация, ансамблирование, оптимизация порогов
4. Провести виртуальный скрининг 5 000 000 молекул SAVI-2020 и
сформировать список кандидатов

3.

Задача поиска в химическом пространстве

4.

Данные
9 классов эффектов:
340 уникальных хронобиотиков
5 000
9
5 000 000
• phase_shift — сдвиг фазы
(позитивы) из базы ChronobioticDB • sleep_modulation — модуляция сна
• melatonin_signaling — мелатонин
молекул PubChem (негативы)
• clock_gene_modulation — часовые гены
• circadian_restoration — восстановление
классов эффектов effect_coarse
• circadian_disruption — нарушение
• period_change — изменение периода
молекул в SAVI-2020 (скрининг)
• amplitude_modulation — амплитуда
• other — прочие эффекты

5.

Архитектура