كاربرد روش هاي رگرسيون در تخمين حلاليت داروها با استفاده از يادگيري ماشين

كارشناسي ارشد

حلاليت يكي از پارامترهاي مهم براي دستيابي به غلظت مطلوب دارو در گردش سامانمند براي دستيابي به پاسخ دارويي مورد نياز است. داروهاي محلول در آب براي رسيدن به غلظت هاي پلاسماي درماني پس از تجويز خوراكي، اغلب به دوزهاي بالا نياز دارند. حلاليت كم در آب مهم‌ترين مسئله اي است كه با توسعه فرمولاسيون تركيبات شيميايي جديد و همچنين توسعه عمومي روبرو است. هر دارويي كه جذب مي‌شود بايد به صورت محلول آبي در محل جذب وجود داشته باشد. بدين منظور در اين پروژه به پيش بيني ميزان حلاليت داروها پرداخته‌ايم. از اين‌رو، از چهار الگوريتم يادگيري ماشين(رگرسيون خطي، رگرسيون ستيغي، بردار پشتيبان رگرسيون و جنگل تصادفي) و به منظور اموزش الگوريتم ها از 199دارو در دسته هاي مختلف پتريدين، باربيتيورت ها و... استفاده شده است. در ادامه چندين ويژگي كوانتومي اين داروها توسط محاسبات كوانتومي انجام شده است و به مدل‌ها داده شده تا با استفاده از اين ويژگي‌ها حلاليت داروها را پيش بيني كنند، سپس مقدار حلاليت‌هاي بدست آمده با مقدار ازمايشگاهي حلاليت 199دارو مورد بررسي قرار گرفته است و عملكرد 4 مدل مورد بررسي قرار گرفت كه بهترين عملكرد مربوط به جنگل تصادفي و ماشين بردار پشتيبان بوده‌است. با استفاده از اين الگوريتم‌ها توانستيم حلاليت داروها را تا حد قابل‌قبولي پيش‌بيني كنيم و نشان دهيم كميت‌هاي كوانتومي در صورت جايگزين شدن به‌جاي كميت‌هاي ساختاري تا چه حد بر تخمين حلاليت موثر هستند. به منظور پيشرفت مدل‌ها در آينده قصد داريم تا حد امكان دارو‌هاي بيشتر با ساختار‌هاي متنوع‌تر را به دادها اضافه كرده و نيز تاثير ويژگي‌هاي ترموديناميكي بر حلاليت اين داروها را بررسي كنيم.

206447

دانشگاه علم و صنعت ايران

شيمي- شيمي فيزيك

مجيد هاشميان زاده