پيش بيني جذب خوراكي دارو ها با استفاده از الگوريتم هاي يادگيري عميق و هوش مصنوعي

رشت

مقدمه: ADME(فارماكوكينتيك) توصيف‌كننده تاثيرات بدن روي دارو است كه مخفف 4 كلمه جذب،توزيع، متابوليسم و دفع مي‌باشد. اين فرايندها بر عملكرد و فعاليت دارويي داروها تأثير مي¬گذارند. مهمترين اصل در فارماكوكينتيك، جذب دارو است. فاكتور هاي مختلفي از جمله متغير هاي فيزيكوشيميايي، عوامل وابسته به خود شخص، روش هاي تجويز متفاوت ميتوانند روي ميزان جذب دارو تاثير بگذارند .هدف ما پيش بيني جذب خوراكي دارو است كه اصلي ترين راه تجويز است . پيش بيني جذب خوراكي دارو ها از طريق روش هاي in vivo و in vitro زمان بر، گران و غير اخلاقي مي باشند اما با توسعه هوش مصنوعي و استفاده از روش هاي آماري يا الگوريتم هاي يادگيري ماشين و يادگيري عميق درصدي از مشكلات روش هاي مذكور رفع شدند. روش كار: يك ميليون داده از پايگاه داده معتبر Chembl استخراج شد و ساختار SMILES داده ها توسط پكيج هاي NUMPY و PANDAS پاكسازي شدو در نهايت به 2902 داده رسيديم و در مرحله بعدي ساختار SMILES از طريق كتابخانه RDkit به object اي تبديل شد و سپس ويژگي هاي از كتابخانه هاي MORDRED ، MACAW ، RDkit استخراج شد و 80% داده ها توسط پكيج هاي SCIKIT LEARN و FASTAI به ترتيب براي يادگيري ماشين و عميق آموزش داده شد و با 20% آن ها از مدل ها آزمون گرفته شد. نتايج: بعد از آموزش و آزمون مدل هاي مختلف يادگيري ماشين و يادگيري عميق ، مشاهده شد كه يادگيري عميق نتايج بهتري را ارائه مي دهد. نتيجه گيري: بهترين مدل يادگيري عميق با استفاده از Morgan Fingerprints بدست آمد كه F1 score برابر 8160/0 و MCC آن برابر 5244/0 بود.

221261

علوم پزشكي گيلان