-
شماره ركورد
12818
-
عنوان
كاربرد يادگيري ماشين در كشف و توسعه دارو
-
سال تحصيل
1400
-
استاد راهنما
دكتر سيد مجيد هاشميان زاده
-
چکيده
در حال حاضر كشف و توسعه داروهاي جديد هنوز يك فرايند طولاني و بسيار پرهزينه است. ميانگين دوره زماني براي توسعه يك داروي جديد بين 10 تا 15 سال تحقيق و آزمايش است. تعداد زيادي از مولكول هاي موجود با ظرفيت آزمايش به عنوان داروهاي جديد، وجود دارند كه ازمايش ان ها در ازمايشگاه عملا غير ممكن است. با اين حال، در دهه اخير، تكامل فناوري هاي اطلاعات و ارتباطات و همچنين افزايش ظرفيت محاسباتي موجود، راه را به متدولوژي هاي جديد in silico (ازمايش هايي كه به كمك كامپيوتر يا شبيه سازي در كامپيوتر انجام ميشود) براي غربالگري كتابخانه هاي گسترده دارويي داده است. اين رويكرد هزينه اقتصادي را كاهش مي دهد و فضاي جستجو براي داروهاي جديد را افزايش مي دهد.ML شاخه اي از هوش مصنوعي (AI) است كه هدف آن توسعه و اعمال الگوريتم هاي كامپيوتري است كه از داده هاي خام و پردازش نشده ياد مي گيرند، تا بعداً يك كار خاص را انجام دهند. وظايف اصلي انجام شده توسط الگوريتم هاي هوش مصنوعي شامل طبقه بندي، رگرسيون، خوشه بندي يا تشخيص الگو در درون يك مجموعه داده بزرگ است يادگيري ماشين به عنوان يكي از بهترين گزينه هاي موجود براي حل مسائلي در نظر گرفته مي شود كه براي آنها حجم زيادي از داده ها و متغيرهاي مختلف در دسترس فرد است، اما مدل يا فرمولي كه اين متغيرهاي مختلف را به همراه نتيجه مورد انتظار به يكديگر مرتبط كند، وجود ندارد. با اين حال، زماني كه كشف دارو وارد عصر حجم زيادي از داده ها شد، رويكردهاي يادگيري ماشين به رويكردهاي يادگيري عميق تبديل شدند، كه براي مقابله با حجم عظيم داده هاي توليد شده از روش هاي مدرن كشف دارو، قدرتمندتر و كارآمدتر هستند. ML به يك سيستم كامپيوتري اجازه ميدهد تا برخي پيشبينيها يا تصميمگيريها را بر اساس تجربيات گذشته خود، بدون برنامهريزي صريح انجام دهد. برخلاف مدلهاي فيزيكي سنتي كه بر معادلات فيزيكي خاص تكيه ميكنند، تكنيك ML از چندين الگوريتم براي ايجاد يك الگو استفاده ميكند كه منجر به پيش بيني خواص شيميايي، بيولوژيكي و فيزيكي تركيبات جديد ميشود.در صنعت داروسازي، محبوبيت هوش مصنوعي زماني شروع شد كه مدلهاي مبتني بر هوش مصنوعي، پيشبينيهاي خواص بيولوژيكي/شيميايي را با دقت زيادي در مدت زمان كوتاهي نشان دادند. علاوه بر اين، هر دو پيشرفت در سخت افزار و سهولت در دسترس بودن مجموعه داده هاي بزرگ به رشد فوق العاده در كاربرد هوش مصنوعي در تحقيقات دارويي كمك كرده است
-
نام دانشجو
زينب سودايي
-
تاريخ ارائه
9/18/2021 12:00:00 AM
-
متن كامل
81154
-
پديد آورنده
زينب سودايي
-
تاريخ ورود اطلاعات
1402/09/14
-
عنوان به انگليسي
Application of Machine Learning in Drug Discovery and Development
-
كليدواژه هاي فارسي
يادگيري ماشين , كشف و توسعه دارو , يادگيري عميق
-
كليدواژه هاي لاتين
machine learning , drug discovery and development , deep leaning
-
لينک به اين مدرک :