Компьютер научили определять пестициды «на глаз»

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Ученые из России с помощью искусственной нейронной сети разработали компьютерную модель, которая позволяет предсказать, является ли определенное вещество пестицидом или регулятором роста растения.

Как отмечает издание, для поиска потенциальных пестицидов или регуляторов роста обычно проводится скрининг химических библиотек. Однако выбор таких веществ из огромного числа соединений и их последующее тестирование является долгим и дорогостоящим процессом.

В таких условиях наиболее подходящим методом поиска регуляторов роста становится изучение так называемого «химического пространства» - всей совокупности уже исследованных веществ с их молекулярными дескрипторами, то есть физико-химическими характеристиками молекулы. Для картографирования химической информации используют самоорганизующуюся карту Кохонена.

В качестве источника информации ученые использовали базы данных статей и патентов, обнаружив 12 тыс. соединений, которые применялись в агрохимии. Для поиска химических веществ и создания первичной базы данных исследователи использовали различное программное обеспечение. База данных была подвергнута обработке с целью устранения дубликатов, а также отбору самых характерных соединений, которые были включены в итоговую выборку из 1808 соединений.

Исследователи нашли четыре молекулярных дескриптора, которые в наибольшей степени определяли разбиение соединений на четыре класса: количество атомов водорода, количество участвующих в образовании водородных связей атомов, число свободно вращающихся связей, а также количество двойных или тройных связей на общее число связей. Эти четыре показателя использовались для построения карт Кохонена.

Полученные учеными карты показали, что четыре класса соединений образовали относительно независимые кластеры, хотя регуляторы роста и гербициды несколько перекрывались.

«Это объясняется тем, что некоторые соединения в зависимости от концентрации могут как активировать рост растений, так и подавлять его. Кроме того, среди регуляторов роста выделялось несколько групп, которые указывали на различные механизмы активности соединений», - говорится в сообщении.

Ученые проверили предсказательную силу полученной модели на 27 соединениях, которые либо стимулировали прорастание семян и развитие корней, либо ингибировали их. Карта Кохонена правильно разместила 67% соединений, что доказало эффективность компьютерной модели.

Комментарии: