Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
лей приведен в работе [355]): все опубликованные модели построены только на<br />
небольших подмножествах использованного в нашей работе набора соединений<br />
(коэффициенты корреляции варьируются от 0.79 для выборки из 26 соединений<br />
до 0.97 для выборки из 10 соединений), и ни в одной из работ не оценивалась<br />
прогнозирующая способность моделей на контрольной выборке.<br />
Как и в предыдущем случае, все вычислительные эксперименты были повторены<br />
для разных разбивок исходных соединений на обучающую и контрольные<br />
выборки, и во всех случаях качественные результаты совпали.<br />
Выводы. Нами предложен подход (концепция обучаемой симметрии),<br />
позволяющий осуществлять построение количественных моделей «структураактивность»<br />
в рамках основанного на параметрах заместителей «классического»<br />
подхода для однородных наборов химических соединений с симметричных<br />
общим скелетом, позволяющий обходиться без произвольных симметрических<br />
функций от констант заместителей. Нейронная сеть в этом случае обучается на<br />
только воспроизводить зависимость биологической активности от значений дескрипторов,<br />
но и воспроизводить необходимые свойства симметрии в количественных<br />
соотношениях «структура-активность». Следует также отметить, что<br />
разработанная методология применима не только к «классическому» подходу,<br />
основанному на использовании констант заместителей в качестве дескрипторов:<br />
она применима к любому исследованию, в котором требуется аппроксимировать<br />
количественную зависимость «структура-свойство» или «структураактивность»<br />
для симметрично построенных химических систем (при небольшом<br />
порядке группы симметрии). Таким образом, концепция обучаемой симметрии<br />
позволяет улучшать прогнозирующую способность количественных<br />
нейросетевых моделей «структура-активность» и «структура-свойство» за счет<br />
использования дополнительной информации о свойствах симметрии этих соотношений.<br />
141