Оцінка ADME-Tox властивостей молекул. Методи та моделі графових нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorВозняк, Володимир Зіновійович
dc.date.accessioned2023-04-12T12:27:56Z
dc.date.available2023-04-12T12:27:56Z
dc.date.issued2022-12
dc.description.abstractМагістерська дисертація: 111 с., 32 табл., 37 рис., 1 додаток, 38 посилань. Об’єкт дослідження: ADME-Tox властивості молекули. Мета дослідження: аналіз ADME-Tox параметрів, побудова багатозадачної нейронної мережі із використанням графових нейронних мереж для прогнозування ADME-Tox властивостей, порівняння якості цієї моделі із класичними моделями під кожен параметр у плані швидкості і якості прогнозу. Використані моделі: графова згорткова нейронна мережа (GCN), графова уважна нейронна мережа (GATv2), графові нейронні мережі із передачею повідомлень (GIN та GINE), графова нейронна мережа для молекулярних задач (MF). Отриманні результати: побудовано графову багатозадачну нейронну мережу для прогнозування ADME-Tox властивостей молекул із швидкістю прогнозу 500 тисяч молекул за 280 секунд для середньостатистичної машини із процесором GPU та за 550 секунд для середньостатистичної машини із процесором CPU. У рамках подальшого дослідження пропонується підвищувати точність кожного ADME-Tox параметру, а також побудувати універсальний молекулярний декодувальник, який переводитиме будь-яку молекулу із молекулярного простору у векторний.uk
dc.description.abstractotherMaster’s thesis: 111 p., 32 tabl., 37 fig., 1 addition, 38 sources. Object of study: ADME-Tox properties of the molecules. Purpose: to make the analysis of the ADME-Tox properties, to build graph multi-task neural network for ADME-Tox prediction, to compare final model with models built with classic ML under the field of speed and accuracy. Used models: graph convolutional neural network (GCN), graph attentional neural network (GATv2), graph neural networks with message-passing (GIN and GINE), graph neural network for the molecular tasks (MF). Results: built graph multi-task neural network for ADME-Tox properties prediction with a speed of 280s with GPU machine and 550s with CPU machine for 500 thousand molecules. As part of further research, it is proposed to increase the accuracy of every ADME-Tox parameter and build universal molecular encoder to easily convert molecule from molecular to vector space.uk
dc.format.extent123 с.uk
dc.identifier.citationВозняк, В. З. Оцінка ADME-Tox властивостей молекул. Методи та моделі графових нейронних мереж : магістерська дис. : 124 Системний аналіз / Возняк Володимир Зіновійович. - Київ, 2022. - 123 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/54533
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectadme-tox властивостіuk
dc.subjectграфові нейронні мережіuk
dc.subjectграфова згорткова нейронна мережаuk
dc.subjectграфова уважна нейронна мережаuk
dc.subjectграфова нейронна мережа із передачею повідомленьuk
dc.subjectadme-tox propertiesuk
dc.subjectgraph neural networksuk
dc.subjectgraph convolutional neural networkuk
dc.subjectgraph attentional neural networkuk
dc.subjectgraph neural network with message-passinguk
dc.subject.udc004.032.26, 615.072uk
dc.titleОцінка ADME-Tox властивостей молекул. Методи та моделі графових нейронних мережuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Vozniak_magistr.pdf
Розмір:
3.31 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ММСА)
Магістерські роботи