E-Locus - Ιδρυματικό Καταθετήριο Πανεπιστημίου Κρήτης - Deep learning model for molecular potency and drug design

Αρχική Deep learning model for molecular potency and drug design

Αποτελέσματα - Λεπτομέρειες

[Προσθήκη στο καλάθι]

Τίτλος

Deep learning model for molecular potency and drug design

Άλλος τίτλος

Μοντέλο βαθιάς μάθησης για μοριακή ισχύ και σχεδιασμό φαρμάκων

Συγγραφέας

Γιάνναρος, Χρήστος

Σύμβουλος διατριβής

Πανταζής, Ιωάννης

Περίληψη

Η διαδικασία ανακάλυψης φαρμάκων αντιμετωπίζει συχνά εμπλοκές λόγω των έντο- νων και χρονοβόρων πειραματικών διαδικασιών. Η παρούσα μελέτη αντιμετωπίζει αυ- τές τις προκλήσεις χρησιμοποιώντας το SELFormer, ένα μοντέλο χημικής γλώσσας βασισμένο σε μετασχηματιστή, για την πρόβλεψη τιμές IC50 για αναστολείς της 15- λιποξυγενάσης-1 (15-LOX-1) - κρίσιμης σημασίας για τη θεραπεία φλεγμονωδών ασθε- νειών. Με τη λεπτομερή ρύθμιση SELFormer σε ένα σύνολο μοριακών δεδομένων και συγκρίνοντας την απόδοσή του με παραδοσιακές τεχνικές μηχανικής μάθησης όπως το SVR και το Ridge Regression, αποδεικνύουμε ότι το SELFormer παρέχει ανταγωνιστι- κή ακρίβεια πρόβλεψης. Η προσέγγισή μας είναι σημαντικά βελτιώνει την ανακάλυψη φαρμάκων σε πρώιμο στάδιο, αναδεικνύοντας τη δυνατότητα της ΤΝ να επιταχύνει την ανάπτυξη νέων αναστολέων.

Γλώσσα

Αγγλικά

Ημερομηνία έκδοσης

2024-11-22

Συλλογή

Σχολή/Τμήμα--Σχολή Θετικών και Τεχνολογικών Επιστημών--Τμήμα Φυσικής--Πτυχιακές εργασίες

Τύπος Εργασίας--Πτυχιακές εργασίες

Εμφανίσεις

1184

Ψηφιακά τεκμήρια
	Κατέβασμα Εγγράφου Προβολή Εγγράφου Εμφανίσεις : 15