Моделювання молекулярної структури комплексу білка з лігандом
Вантажиться...
Дата
2018
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
Анотація
Задача молекулярного моделювання є невід’ємною частиною фундаментальних досліджень, спрямованих на вивчення механізмів функціонування білків, а також прикладних фармацевтичних задач, таких як створення нових лікарських сполук, отримання високопродуктивних ферментів, комп'ютерний аналіз молекулярних взаємодій тощо. Докінг також використовують в процесі віртуального високопродуктивного скринінгу (сканування) баз даних, який значно знижує витрати проектів, спрямованих на пошук нових ефективних і селективних лігандів. Взаємодія між молекулами є основою для біологічних процесів. Використовуючи ці взаємодії, живі організми підтримують складні регуляторні та метаболічні механізми.
Експериментальна дослідницька робота є основою для кращого розуміння біологічних процесів. Комп'ютерне моделювання є важливим для того, щоб отримати інформацію від великої кількості багатоваріантних експериментальних даних. Внаслідок цього, розвиток і оптимізація алгоритмів докінгу є на даний момент областю активних наукових розробок.
Метою дисертаційної роботи є спрощення та пришвидшення процесу моделювання молекулярного докінгу, автоматизація процесу, підвищення точності, покращення методів створення молекулярних сполук задля фармацевтичних цілей.
Для досягнення вказаної мети було розв’язано такі задачі:
– ознайомитися з існуючими системами, які займаються молекулярним докінгом, виділити їх переваги та недоліки, зробити аналіз характеристик цим систем;
– ознайомитися з існуючими методами молекулярного докінгу, виділити їх переваги та недоліки, зробити аналіз характеристик цих методів;
– ознайомитися з методами машинного навчання, проаналізувати їх, обрати методи, які підійдуть для молекулярного докінгу;
– обрати найкращий метод та за його допомогою розробити математичну модель докінгу;
– порівняти результати запропонованої моделі із результатами існуючих моделей;
– проаналізувати отримані результати.
Об’єктом дослідження є алгоритми, математични моделі, біохімічні моделі докингу, молекули ліганд, молекули протеїнів, взаємозв’язки між молекулами, нейронні мережі, генеративно-зв’язкові нейронні мережі, Backpropogation нейронні мережі, програми для візуалізації та докингу молекул (Open Babel, AutoDock), python бібліотеки для роботи з молекулами.
Предметом дослідження є математичне та програмне забезпечення моделювання докінгу молекул протеїнів за допомогою нейромережі.
Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: методи машинного навчання (для розробки прогнозуючої моделі молекулярного докінгу), методи оптимізації (для знаходження оптимальних фільтрів та вагів при навчанні нейронних мереж), методи фільтрації (для розмиття координат розташування атомів), конформаційні методи (для зміни розташування атомів в молекулі).
Наукова новизна одержаних результатів: уперше поставлену задачу моделювання молекулярного докінгу було успішно виконано за допомогою нейромережі; розроблена система моделювання молекулярного докінгу в порівнянні із стандартними біохмічними системи працює в декілька разів швидше та при цьому дає майже таку саму, а іноді і ліпшу точність. Крім того, при використанні стандартних підходів дослідник повинен володіти глибокими знаннями з молекулярного докінгу та обирати серед різних методів та настроювати багато параметрів. При застосуванні розробленої системи цього не потрібно.
Практичне значення одержаних результатів. Розроблені методи, математичне та програмне забезпечення для моделювання молекулярного докінгу дозволяє отримати спрощення та пришвидшення процесу моделювання молекулярного докінгу, автоматизацію процесу, підвищення точності, покращення методів створення молекулярних сполук.
Опис
Ключові слова
молекулярний докінг, протеїн, ліганд, конформації, машинне навчання, генеративно-змагальна мережа, метод зворотного поширення помилки, конволюційні нейронні мережі, розвернуті нейронні мережі, molecular docking, protein, ligand, conformation, machine learning, generic-adversarial network, method of reverse error propagation, convolutional neural networks, deployed neural network
Бібліографічний опис
Докашенко, Б. В. Моделювання молекулярної структури комплексу білка з лігандом : магістерська дис. : 105 Прикладна фізика та наноматеріали / Докашенко Богдан Вікторович. – Київ, 2018. – 73 с.