Please use this identifier to cite or link to this item:
https://elib.bsu.by/handle/123456789/288568Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Шульдов, Н. А. | - |
| dc.contributor.author | Юшкевич, А. М. | - |
| dc.contributor.author | Фурс, К. В. | - |
| dc.contributor.author | Тузиков, А. В. | - |
| dc.contributor.author | Андрианов, А. М. | - |
| dc.date.accessioned | 2022-11-09T09:27:19Z | - |
| dc.date.available | 2022-11-09T09:27:19Z | - |
| dc.date.issued | 2022 | - |
| dc.identifier.citation | Информационные системы и технологии = Information Systems and Technologies : материалы междунар. науч. конгресса по информатике. В 3 ч. Ч. 2, Респ. Беларусь, Минск, 27–28 окт. 2022 г. / Белорус. гос. ун-т ; редкол.: С. В. Абламейко (гл. ред.) [и др.]. – Минск : БГУ, 2022. – С. 67-74. | - |
| dc.identifier.isbn | 978-985-881-425-0 (ч. 2); ISBN 978-985-881-427-4 | - |
| dc.identifier.uri | https://elib.bsu.by/handle/123456789/288568 | - |
| dc.description.abstract | Разработана генеративная нейронная сеть глубокого обучения для компьютерного конструирования потенциальных ингибиторов основной протеазы SARS-CoV-2, играющей важную роль в репликации и транскрипции коронавируса. Проведено обучение и тестирование нейронной сети на наборе химических соединений, содержащих функциональные группы, способные обеспечить эффективные взаимодействия этих молекул с молекулярной мишенью. Показано, что использование нейронной сети совместно с методами молекулярного моделирования формирует продуктивную платформу для генерации новых молекул с заданными фармакологическими свойствами, перспективных для создания эффективных противовирусных препаратов | - |
| dc.description.sponsorship | Работа поддержана Белорусским республиканским фондом фундаментальных исследований (проекты Ф21КОВИД-002, X21COVID-003, Ф21АРМГ-001) и Союзом международных научных организаций ANSO (ANSO-CR-PP-2021-04) | - |
| dc.language.iso | ru | - |
| dc.publisher | Минск : БГУ | - |
| dc.rights | info:eu-repo/semantics/openAccess | - |
| dc.subject | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика | - |
| dc.subject | ЭБ БГУ::ТЕХНИЧЕСКИЕ И ПРИКЛАДНЫЕ НАУКИ. ОТРАСЛИ ЭКОНОМИКИ::Медицина и здравоохранение | - |
| dc.subject | ЭБ БГУ::ТЕХНИЧЕСКИЕ И ПРИКЛАДНЫЕ НАУКИ. ОТРАСЛИ ЭКОНОМИКИ::Биотехнология | - |
| dc.title | Генеративные модели глубокого обучения для разработки новых потенциальных лекарственных препаратов против коронавируса SARS-CoV-2 | - |
| dc.title.alternative | Generative deep learning models for the development of novel potential drugs against SARS-CoV-2 coronavirus / N.A. Shuldau, A.M. Yushkevich, K.V. Furs, A.V. Tuzikov, A.M. Andrianov | - |
| dc.type | conference paper | - |
| dc.description.alternative | A generative deep learning neural network has been developed for the computer-aided design of potential inhibitors of the SARS-CoV-2 main protease, which plays an important role in coronavirus replication and transcription. The neural network was trained and tested on a set of chemical compounds containing functional groups capable of providing effective interactions of these molecules with the molecular target. The use of the neural network in conjunction with molecular modeling methods was shown to form a productive platform for the generation of novel molecules with desired pharmacological properties that are promising for the design of effective antiviral drugs | - |
| Appears in Collections: | 2022. Информационные системы и технологии | |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.