Оцінка ADME-Tox властивостей молекул. Методи та моделі графових нейронних мереж
| Přispěvatelé: | Недашківська, Надія Іванівна |
|---|---|
| Jazyk: | ukrajinština |
| Rok vydání: | 2022 |
| Předmět: |
графова уважна нейронна мережа
004.032.26 615.072 графові нейронні мережі graph neural networks graph convolutional neural network graph attentional neural network adme-tox властивості adme-tox properties graph neural network with message-passing графова згорткова нейронна мережа графова нейронна мережа із передачею повідомлень |
| Popis: | Магістерська дисертація: 111 с., 32 табл., 37 рис., 1 додаток, 38 посилань. Об’єкт дослідження: ADME-Tox властивості молекули. Мета дослідження: аналіз ADME-Tox параметрів, побудова багатозадачної нейронної мережі із використанням графових нейронних мереж для прогнозування ADME-Tox властивостей, порівняння якості цієї моделі із класичними моделями під кожен параметр у плані швидкості і якості прогнозу. Використані моделі: графова згорткова нейронна мережа (GCN), графова уважна нейронна мережа (GATv2), графові нейронні мережі із передачею повідомлень (GIN та GINE), графова нейронна мережа для молекулярних задач (MF). Отриманні результати: побудовано графову багатозадачну нейронну мережу для прогнозування ADME-Tox властивостей молекул із швидкістю прогнозу 500 тисяч молекул за 280 секунд для середньостатистичної машини із процесором GPU та за 550 секунд для середньостатистичної машини із процесором CPU. У рамках подальшого дослідження пропонується підвищувати точність кожного ADME-Tox параметру, а також побудувати універсальний молекулярний декодувальник, який переводитиме будь-яку молекулу із молекулярного простору у векторний. Master’s thesis: 111 p., 32 tabl., 37 fig., 1 addition, 38 sources. Object of study: ADME-Tox properties of the molecules. Purpose: to make the analysis of the ADME-Tox properties, to build graph multi-task neural network for ADME-Tox prediction, to compare final model with models built with classic ML under the field of speed and accuracy. Used models: graph convolutional neural network (GCN), graph attentional neural network (GATv2), graph neural networks with message-passing (GIN and GINE), graph neural network for the molecular tasks (MF). Results: built graph multi-task neural network for ADME-Tox properties prediction with a speed of 280s with GPU machine and 550s with CPU machine for 500 thousand molecules. As part of further research, it is proposed to increase the accuracy of every ADME-Tox parameter and build universal molecular encoder to easily convert molecule from molecular to vector space. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|