Razvoj lijekova s pomoću računalnih simulacija i neuronskih mreža

završni rad

• Naslov (engleski): Drugs development using comuputer simulations and neural networks
• Autor: Stjepan Ćosić
• Mentor: Tomislav Stipančić (mentor)
• Član povjerenstva: Petar Ćurković (predsjednik povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet strojarstva i brodogradnje; Zagreb
• Datum i država obrane: 2024-09-24, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Razvoj lijekova je izuzetno kompleksan i dugotrajan postupak zbog izrazito strogih zakona,
detaljnog ispitivanja i potrebe za velikim ulaganjima. Financijska sredstva i etička ispravnost
upravo su glavni razlozi zašto industrija trenutno traži neke od alternativnih načina ubrzanja
najduljeg početnog dijela razvoja. Uporaba umjetne inteligencije i strojnog učenja, koji su
izuzetno razvijeni u posljednjem desetljeću, čini se kao pravi izbor za to. Određeni modeli
omogućuju predikciju ispitivanja ponašanja kemijskih spojeva iz lijekova s ciljanim proteinima u
čovjeku s pomoću 2D zapisanih podataka. Upravo jedan od tih modela je DEEPScreen
klasifikacija koja je svojim dosadašnjim radom pokazala izrazito visoku točnost. U ovom radu u
potpunosti je obrađena DEEPScreen klasifikacija. Od teoretskog objašnjenja njegovog rada, pa
sve do testiranja na dostupnim podacima iz ChEMBL v23 baze podataka. Provedena su testiranja
iz kojih su kao vrijednosti vrednovanja dobivene preciznost, odziv, točnost, F1-score i MCC
koeficijent, te gubitci tijekom treninga. Obavljeni su treninzi s različitim skupovima podataka i
treninzi s istim skupom podataka, ali različitim brojem epoha treninga. Svi rezultati su u
konačnici uspoređeni, te su doneseni zaključci o radu napravljenog modela. Primjena
DEEPScreen klasifikatora u razvoju lijekova pokazala se kao vrlo uspješna stvar. Po rezultatima
obavljenih treninga koji upućuju na dobru predikciju, uporabom DEEPScreen klasifikatora vrlo
se lako može ubrzati proces ranog razvoja lijeka od kojeg će cijela farmaceutska industrija i njeni
korisnici imati benefita.

Sažetak (engleski)

The development of drugs is an extremely complex and lengthy process due to stringent
regulations, thorough testing, and the need for substantial investments. Financial resources and
ethical considerations are the main reasons why the industry is currently seeking alternative ways
to accelerate the longest initial phase of development. The use of artificial intelligence and
machine learning, which have significantly advanced in the last decade, seems to be the right
choice for this. Certain models allow for the prediction of the behavior of chemical compounds
from drugs with targeted proteins in humans using 2D recorded data. One such model is the
DEEPScreen classifier, which has demonstrated exceptionally high accuracy in its work so far.
This paper fully explores the DEEPScreen classification. It covers everything from the
theoretical explanation of its operation to testing on available data from the ChEMBL v23
database. The tests conducted yielded precision, recall, accuracy, F1-score, and MCC coefficient
as evaluation metrics, as well as losses during training. Training was conducted with different
datasets and with the same dataset but varying the number of training epochs. All results were
ultimately compared, and conclusions were drawn about the performance of the developed
model. The application of the DEEPScreen classifier in drug development has proven to be very
successful. Based on the training results, which indicate good prediction, the use of the
DEEPScreen classifier can easily accelerate the early drug development process, benefiting the
entire pharmaceutical industry and its users.

• Ključne riječi: razvoj lijekova; umjetna inteligencija; strojno učenje; 2D zapisani podaci; DEEPScreen klasifikacija
• Ključne riječi (engleski): drug development; artificial intelligence; machine learning; 2D recorded data; DEEPScreen classification
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:235:305119
• Studijski program: Naziv: Mehatronika i robotika; Vrsta studija: sveučilišni; Stupanj studija: prijediplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka mehatronike i robotike (univ. bacc. ing. mech.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2024-09-20 18:07:55