На Ð¿Ñ€Ð°Ð²Ð°Ñ Ñ€ÑƒÐºÐ¾Ð¿Ð¸ÑÐ¸

переставленными эквивалентными позициями присоединения заместителей).
Среднеквадратичная ошибка прогноза в этом случае оказалась 1.57 логарифмических
единиц. Поскольку клоны являются теми же самыми соединениями с
той же самой биологической активностью, то можно сделать вывод, что нейросеть,
обученная на исходном нерасширенном наборе данных, неспособна корректно
воспроизвести свойства симметрии в количественных зависимостях
«структура-активность».
Таким образом, можно сделать вывод, что нейросеть, обученная на расширенном
наборе данных делает более корректные предсказания по сравнению
с нейросетью, обученной на исходном наборе данных. Эти эксперименты были
повторены нами для различных разбивок набора соединений на обучающую и
контрольную выборки, и во всех случаях общая картина оставалась неизменной.
Пример 2. Галлюциногенная активность фенилалкиламинов. Целью
данного исследования явилось изучение применимости концепции обучаемой
симметрии на примере галлюциногенной активностей фенилалкиламинов (III).
R 2 NH 2
R 1
III
Данные по галлюциногенной активности этой группы соединений взяты
из работы [355]. Поскольку в исходном наборе химических структур имелось
несколько двухпозиционных «мостиковых» заместителей для R 1 , для которых
не определены константы заместителей, мы их преобразовали путем «разрезания»
в однопозиционные (например, «мостиковые» заместители 4,5-(OCH 2 O) и
4,5-(OCH 2 CH 2 O) были преобразованы в однопозиционные заместители 4-OCH 3
и 5-OCH 3 ). Для поиска количественных зависимостей «структура-активность»
мы использовали набор из 7 дескрипторов: σ-константы для двух ортоположений
и π-константы для двух мета- и одного пара-положения в R 1 , а
также индикаторную переменную, указывающую на присутствие алкильного
139