Метод машинного навчання для створення нових лiкарських речовин iз заданими властивостями

Abstract

Створення нових бiологiчно активних речовин є однiєю iз найважливiших про- блем фармацевтичної галузi. У цiй статтi запропоновано метод, у якому поєднуються кiлька глибоких нейронних мереж для генерування унiкальних молекул iз задани- ми властивостями. Генерування доповнюється виправленням хiмiчної будови молекул iз помилками за допомогою рекурентної нейронної мережi з механiзмом уваги. Для створених молекулярних структур проведено аналiз хiмiчних властивостей та оцiнку схожостi на лiкарськi речовини. Запропонований ансамбль дозволяє створювати новi унiкальнi лiкарськi речовини, контролюючи ступiнь розчинностi та iншi молекулярнi дескриптори.

Gurbych A. Machine learning method for creation of new medicinal substances with speci c properties. The creation of new biologically active substances is one of the most critical problems in the pharmaceutical industry. This paper proposes a method that combines several deep neural networks to generate unique molecules with given properties. Generation is complemented by correcting the chemical structure of defective molecules using a recurrent neural network with an attention mechanism. Chemical properties and similarity estimation to medicinal substances are carried out for the created molecular structures. The proposed ensemble allows the creation of new unique drugs, controlling the degree of solubility and other molecular descriptors. Keywords: biologically active substances, neural network, molecule, machine learning, molecular structure, molecular descriptor.