Современные информационные технологии /1.Компьютерная инженерия

Д.т.н. Самигулина Г.А., PhD-докторант Самигулина З.И.

Институт проблем информатики и управления, Казахстан, Алматы

Прогнозирование зависимости «структура - свойство» барбитуратов на основе подхода искусственных иммунных систем

Особое значение при конструировании новых лекарственных препаратов имеет установка связи между структурой и свойствами химических соединений, которые рассматриваются в качестве кандидатов. Бурное развитие современных методов анализа зависимости биологической активности вещества от его структуры, применение новейших разработок искусственного интеллекта, хемометрики, математической статистики, теории информации и др., использование современных суперкомпьютеров с параллельной обработкой многомерных массивов данных позволяют осуществить переход на совершенно новый уровень создания лекарственных препаратов с заданными свойствами.

Данные исследования посвящены прогнозированию биологической активности органических соединений с использованием технологии иммунносетевого моделирования на примере барбитуратов. Разработаны основы системного подхода на основе объединения методов обработки химической структурной информации с компьютерным молекулярным моделированием и распознаванием образов на основе искусственных иммунных систем (ИИС). Применение подхода ИИС [1] для решения такого типа задач оправдано, так как он позволяет использовать при создании иммунносетевой модели лекарственных препаратов (на основе формальных пептидов) различные виды информации, в том числе дескрипторы, (описывающие структуру химического вещества) и параметры математических моделей.

Одним из важнейших этапов разработки интеллектуальной ИИС для исследования связи между структурой и активностью химических соединений является разработка необходимых требований и условий при создании этой технологии. Так как ИИС должны обрабатывать большие объемы информации, то это отражается в особых требованиях на программное обеспечение при ее реализации:

1. Прежде всего, необходим удобный и простой в использовании интерфейс, который позволяет работать с системой не только профессионалам, но и не подготовленным пользователям.

2. Разработка системы на основе отдельных модулей, способных работать самостоятельно и совмещать разные блоки по необходимости. Применение принципов модульности позволит эффективно вычислять любые технологические цепочки при обработке многомерной информации на основе иммунносетевого моделирования.

3. Способность системы к быстрой реконструкции и расширению возможностей.

4. Возможность сложных вычислений и параллельной обработки информации.

5. Совместимость с уже разработанными пакетами прикладных программ (MATLAB, SPSS, NeuroShell и др.), которые могут быть использованы в разрабатываемых модулях при реализации технологии [2, 3].

6. Возможность визуализации данных.

Реализация предлагаемой интеллектуальной технологии прогнозирования зависимости «структура-свойство» показана на примере барбитуратов. Барбитураты (barbiturates) - это группа лекарственных средств, производных барбитуровой кислоты (CONHCOCH2CONH), оказывающих угнетающее влияние на центральную нервную систему и обладающие снотворным, противосудорожным и наркотическим действием [2]. Различные барбитураты обладают своей продолжительностью действия на организм. Сведения о структурах химических соединений барбитуратов взяты из монографии Э. Стьюпера, У. Брюггера и П. Джурса [4]. Классификация по прогностическим группам осуществляется для барбитуратов с разной продолжительностью сна:

1 класс – сильно действующие барбитураты с большой продолжительностью сна (например: барбитал, фенобарбитал, барбитал-натрий);

2 класс – слабо действующие барбитураты с короткой продолжительностью сна (например: гексобарбитал).

Применение разработанной технологии позволяет существенно сократить финансовые и временные ресурсы при отборе веществ - кандидатов с заданными свойствами для дальнейшего исследования в качестве нового лекарственного препарата.

Литература:

1. Tarakanov A.O. Formal peptide as a basic of agent of immune networks: from natural prototype to mathematical theory and applications // Proceedings of the I International Workshop of Central and Eastern Europe on Multi-Agent Systems, 1999.-P.37.

2. Самигулина Г.А., Самигулина З.И. Построение оптимальной иммунносетевой модели для прогнозирования свойств неизвестных лекарственных соединений на основе мультиалгоритмического подхода // Проблемы информатики. -2013. -№ 2. –С. 21-29.

3. Samigulina G. A. Development of the decision support systems on the basis of the intellectual technology of the artificial immune systems // Automatic and remold control. – Springer, 2012.-Volume 74. - №2. -С.397-403.

4. Стьюпер Э., Брюггер У., Джурс П. Машинный анализ связи химической структуры и биологической активности. – М.: Мир, 1982. -240 с.