پيش بيني نفوذپذيري داروها از سد خوني مغزي با استفاده از الگوريتم هاي يادگيري عميق و هوش مصنوعي

رشت

مقدمه: سد خوني - مغزي (BBB) به عنوان مكانيسم حفاظتي سيستم عصبي مركزي با جداسازي بافت مغز از جريان خون، عمل مي كند و عمدتا توسط اندوتليوم مويرگ هاي مغز تشكيل مي شود. ماهيت BBB نيمه تراوا است زيرا حركت مولكول ها و سلول هاي مضر را از خون محدود مي كند و فقط به برخي مولكولهاي محلول در آب، ليپيدها و مولكولهاي انتقال دهنده انتخابي اجازه ورود مي دهد.پيش بيني نفوذپذيري داروها از BBB با روش هاي in vivo و in vitro زمان بر، پرهزينه و غير اخلاقي مي باشند. اما بخشي از اين مشكلات با توسعه هوش مصنوعي و استفاده از روش هاي آماري يا الگوريتم هاي يادگيري ماشين و يادگيري عميق برطرف شدند. روش كار: داده ها از پايگاه داده معتبر B3DB استخراج شد و ساختار SMILES داده ها توسط پكيج هايNUMPY و PANDAS پاكسازي شد و در نهايت به 7807 داده رسيديم و در مرحله بعدي ساختار SMILES توسط كتابخانه RDkit به object اي قابل درك براي كامپيوتر تبديل شد و سپس ويژگي هايي از كتابخانه¬هاي MORDRED،MACAW ،RDkit استخراج شد و 80% داده ها براي آموزش مدل ها توسط پكيج هاي SCIKIT LEARN براي يادگيري ماشين، Pytorch و FASTAI براي يادگيري عميق استفاده شد و 20% آن ها براي سنجيدن مدل به كار برده شد. نتايج: پس از آموزش و آزمون مدل هاي مختلف يادگيري ماشين و يادگيري عميق ،يكي از الگوريتم هاي يادگيري ماشين نتايج بهتري نسبت به ساير مدل ها نشان داد. نتيجه گيري: Extra Trees Classifier بهترين الگوريتم آموزش ديده توسط Mordred descriptorsبا F1 score برابر 90/0 و MCC برابر 7404/0 در مطالعه ما مي باشد.

221256

علوم پزشكي گيلان