Онтологические модели алгоритмов роевого интеллекта для иммунносетевого моделирования лекарственных препаратов

Abstract

Статья посвящена разработке информационной системы прогнозирования свойств новых лекарственных препаратов на основе методов роевого интеллекта и искусственных иммунных систем. Важным аспектом при прогнозировании зависимости между химическим строением вещества и их биологической активностью (QSAR, Quantitative Structure-Activity Relationship) является выбор дескрипторов. Перспективным направлением в области QSAR стало применение подходов искусственного интеллекта, которые обеспечивают высокую точность прогнозирования химических соединений с заданными свойствами. В статье рассматриваются методы пчелиной колонии и алгоритм роя частиц для решения задачи выделения информативных дескрипторов и дальнейшего иммунносетевого моделирования фармакологической активности химических соединений. Приведены существующие программные средства реализации данных алгоритмов для построения оптимального набора дескрипторов. Применение мультиалгоритмического подхода при иммунносетевом моделировании лекарств требует систематизации используемых методов и создание интегрированной онтологической модели. Разработка онтологических моделей позволяет структурировать входные и выходные данные, учитывать особенности функционирования и взаимосвязи, экономит временные и вычислительные ресурсы при разработке компонентно-ориентированного программного обеспечения для иммунносетевого моделирования новых химических веществ с заданной фармакологической активностью. Разработаны онтологические модели пчелиной колонии и алгоритма роя частиц для решения задачи выделения информативных дескрипторов в редактор онтологий Protege.

Keywords

• компьютерный молекулярный дизайн лекарств
• qsar
• роевой интеллект
• выделение информативных дескрипторов
• онтологические модели