Прикладное машинное обучение и глубокое обучение

Липофильность - свойство молекулы, влияющее на ее способность пересекать клеточные мембраны внутри организма. Поэтому предсказание липофильности важно в процессе разработки лекарств.

Липофильность может быть представлена в виде двух числовых величин - logP и logD. LogP описывает липофильность неионизируемых и нейтральных форм ионизированных молекул. Для заряженных молекул липофильность представляется в виде LogD. Поскольку оба эти дескриптора относятся к одному химическому свойству молекулы, можно предсказывать их параллельно.

На данный момент наиболее эффективными подходами для предсказания молекулярных свойств методами глубокого обучения являются графовые нейросети. Несмотря на общий прогресс в этой области, точность предсказания липофильности все еще имеет потенциал к улучшению.

На семинаре будет представлен разработанный метод улучшения state-of-the-art модели предсказания липофильности при помощи выделения молекулярных подструктур. Также будет рассмотрен подход MultiTask обучения для предсказания обоих дескрипторов липофильности.

Докладчик: Алиса Аленичева.

Язык доклада: русский.

Дата и время: 6-е октября, 19:00-20:30.

Место: https://us02web.zoom.us/j/217320533

Видео с предыдущих семинаров доступно по ссылке: http://bit.ly/MLJBSeminars

Для получения рассылки о семинаре (с паролем от Zoom) - пишите Алексею Шпильману на alexey@shpilman.com.