Графові нейронні мережі з використанням графів Де Брюйна для прогнозування мутагенності пестицидів за Еймсом
Вантажиться...
Дата
2026
Автори
Гущін, Олег Ілліч
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Пояснювальна записка: 85 с., 17 рис., 13 табл., 40 джерел, додаток.
Об’єкт дослідження – комп’ютерне прогнозування мутагенності хімічних сполук за результатами тесту Еймса. Предмет дослідження – алгоритмічні принципи побудови графів Де Брюйна за SMILES-рядками та їх використання у графовій згортковій нейронній мережі для бінарної класифікації мутагенності. Мета роботи – розробити та експериментально перевірити відтворюваний нейромережевий підхід De Bruijn-GNN для прогнозування мутагенності за даними Ames Mutagenicity Dataset. Для досягнення мети проаналізовано предметну область комп’ютерної токсикології, класичні QSAR-підходи, SMILES-представлення молекул і графові нейронні мережі; формалізовано побудову графа Де Брюйна за k-мерами; реалізовано двошарову GCN-модель мовою R без використання Python/PyTorch; виконано holdout-оцінювання, п’ятикратну стратифіковану крос-валідацію, аналіз порогу класифікації та калібрування ймовірностей. Отримані результати показують працездатність запропонованого підходу та його придатність для відтворюваного токсикологічного скринінгу. Практичне значення роботи полягає у можливості використання розробленого програмного контуру як дослідницького інструмента для попередньої оцінки потенційно мутагенних сполук, зокрема в агрохімічних задачах.
Опис
Ключові слова
мутагенність, тест еймса, smiles, граф де брюйна, графова нейронна мережа, gcn, qsar, машинне навчання, комп’ютерна токсикологія, mutagenicity, ames test, smiles, de bruijn graph, graph neural network, gcn, qsar, machine learning, computational toxicology
Бібліографічний опис
Гущін, О. І. Графові нейронні мережі з використанням графів Де Брюйна для прогнозування мутагенності пестицидів за Еймсом : дипломна робота … бакалавра : 122 Комп'ютерні науки / Гущін Олег Ілліч. – Київ, 2026. – 87 с.