طبقه‌بندي ساختارهاي دارويي بر اساس خاصيت آب‌دوستي و آب‌گريزي با استفاده از يادگيري‌ ماشين

كارشناسي ارشد

علاقه به يادگيري ماشين در ميان شيميدان‌ها روز به روز در حال افزايش است؛ اين توجه روزافزون از آنجا ناشي مي‌شود كه كه مدل‌هاي يادگيري ماشين مي‌توانند به طور دقيق خواص شيميايي را پيش‌بيني كنند. در اين تحقيق از مدل‌هاي يادگيري ماشين به منظور طبقه‌بندي داروها، به دو طبقه‌ي آب‌دوستي و آب‌گريزي استفاده شده است. ابتدا مجموعه داده‌اي شامل 199 دارو و 9 ويژگي ساخته شد. اين 9 ويژگي شامل 7 ويژگي كوانتومي است كه با استفاده از محاسبات DFT به دست آمدند و 2 ويژگي ضريب تقسيم و حلاليت است. ضريب تقسيم به عنوان ويژگي هدف انتخاب شد، به اين شكل كه داروها با ضريب تقسيم منفي به عنوان كلاس آب‌دوست به معناي آن كه داروها به سمت آب‌دوستي مي‌روند و ضريب تقسيم مثبت به عنوان كلاسِ آب‌گريز، به معناي آن كه داروها به سمت آب‌گريزي مي‌روند طبقه‌بندي شدند. اين طبقه ‌بندي با استفاده از سه مدل با نظارت يادگيري ماشين: جنگل تصادفي، K –نزديك‌ترين همسايه و ماشين ‌بردار‌ پشتيبان صورت گرفت. ابتدا اين مدل‌ها با تمام ويژگي‌ها آموزش ديدند، سپس با استفاده از انتخاب ويژگي به پنج ويژگي كاهش يافتند و آموزش آنها با اين پنج ويژگي انجام شد. اين مدل‌ها به روش‌هاي مختلف ارزيابي شدند. در نهايت مدل جنگل تصادفي به عنوان بهترين مدل انتخاب شد.

207238

دانشگاه علم و صنعت ايران

دكتر سجاد قرقاني

شيمي فيزيك

دكتر سيد مجيد هاشميان ‌زاده