Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/248659
Заглавие документа: | Автоэнкодерная нейронная сеть для генерации потенциальных ингибиторов ВИЧ-1 методами глубокого обучения |
Авторы: | Николаев, Г. И. Шульдов, Н. А. Анищенко, А. И. Тузиков, А. В. Андрианов, А. М. |
Тема: | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Биология |
Дата публикации: | 2020 |
Издатель: | Минск : БГУ |
Библиографическое описание источника: | Компьютерные технологии и анализ данных (CTDA’2020) : материалы II Междунар. науч.-практ. конф., Минск, 23–24 апр. 2020 г. / Белорус. гос. ун-т ; редкол.: В. В. Скакун (отв. ред.) [и др.]. – Минск : БГУ, 2020. – С. 158-162. |
Аннотация: | Методами глубокого обучения разработан генеративный состязательный автоэнкодер для рационального дизайна потенциальных ингибиторов проникновения ВИЧ-1, способных блокировать участок белка gp120 оболочки вируса, критический для его связывания с клеточным рецептором CD4. Были выполнены исследования, включающие создание архитектуры автоэнкодера, формирование молекулярной библиотеки потенциальных лигандов белка gp120 ВИЧ-1 для обучения нейронной сети, молекулярный докинг лигандов с белком gp120 и расчет свободной энергии связывания, генерацию молекулярных дескрипторов химических соединений обучающего набора данных, обучение нейронной сети, оценку результатов обучения и работы автоэнкодера. Рассмотрены результаты тестирования автоэнкодера на широком наборе соединений из молекулярной библиотеки ZINC. Показано, что совместное использование нейронной сети с виртуальным скринингом баз данных химических соединений формирует продуктивную платформу для идентификации базовых структур, перспективных для создания новых противовирусных препаратов, ингибирующих ранние стадии развития ВИЧ-инфекции |
Доп. сведения: | Секция «Биоинформатика» |
URI документа: | https://elib.bsu.by/handle/123456789/248659 |
ISBN: | 978-985-566-942-6 |
Располагается в коллекциях: | 2020. Компьютерные технологии и анализ данных (CTDA’2020) |
Полный текст документа:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
158-162.pdf | 536,93 kB | Adobe PDF | Открыть |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.