На Ð¿Ñ€Ð°Ð²Ð°Ñ Ñ€ÑƒÐºÐ¾Ð¿Ð¸ÑÐ¸

между структурами органических соединений и их физико-химическими свойствами
(QSPR) и биологической активностью (QSAR).
Несмотря на широкое использование искусственных нейросетей для получения
зависимостей структура – свойство, до настоящего времени не существовало
универсального программного комплекса, реализующего все необходимые
этапы построения моделей и позволяющего исследователям-химикам комплексно,
с учетом особенностей работы со структурной информацией, применять
методологию нейронных сетей. Именно разработка такого программного
комплекса, реализующего универсальную методологию построения моделей,
предназначенных для количественного прогнозирования разнообразных свойства
органических соединений на базе сочетания многослойных нейронных сетей
и фрагментных дескрипторов, а также его апробация на различных примерах,
и составляла важнейшую задачу диссертационной работы.
Следует отметить, что на период начала работы отсутствовало понимание
основных принципов работы с нейронными сетями для построения
QSAR/QSPR-моделей. В частности, не было ясно, как лучше всего предотвращать
«переучивание» нейросетей, как объективно оценивать прогнозирующую
способность полученных моделей, а также как эффективно отбирать дескрипторы
для их построения, как их использовать для определения области применимости
моделей. Кроме того, в рамках методологии QSAR/QSPR практически
не предпринималось попыток учета влияния внешних условий (таких, например,
как температура, давление, концентрация вещества, наличие и свойства
того или иного растворителя и т.п.) на исследуемые свойства, а также прогнозировать
свойства многокомпонентных систем. Не было также ясно, как применять
аппарат нейронных сетей в сочетании с техникой молекулярного моделирования.
Кроме того, ранее не существовало методов, позволяющих давать
понятную химикам интерпретацию нейросетевым регрессионным моделям. На
эти и ряд других важных вопросов, связанных с применением нейросетей для
построения QSARQSPR-моделей, дан ответ в данной работе.
Следующая важная часть работы связана с разработкой универсального
набора фрагментных дескрипторов, которые могли бы служить для как можно
10