Napovedovanje topnosti spojin v vodi s protitočno nevronsko mrežoVelkov, Katarina (Avtor) Venko, Katja (Mentor) Lukšič, Miha (Komentor) Protitočna nevronska mrežatopnost v vodistrojno učenjemodeli QSPRmolekulski deskriptorjiV magistrskem delu sem z uporabo protitočne nevronske mreže razvila napovedne modele za napovedovanje topnosti spojin v vodi. Napovedovanje topnosti spojin v vodi je pomemben korak v postopku razvoja novih zdravilnih učinkovin, na področju toksikologije in okoljske varnosti. Kljub pomembnosti pa ostaja topnost spojin v vodi fizikalno-kemijska količina, ki jo je težko natančno napovedovati. Z razvojem metod umetne inteligence in predvsem globokih nevronskih mrež se razvijajo izboljšani modeli v primerjavi s preteklimi. Kljub temu pa so vrednosti korena srednje kvadratne napake (RMSE) objavljenih modelov dokaj visoke. Gibljejo se v razponu 0,4 - 1,2 logaritmiranih enot topnosti v vodi (logS). Topnost v vodi se ponavadi podaja kot logS, kjer je $S$ numerična vrednost topnosti izražena v mol/L. V sklopu magistrske naloge sem razvila tri napovedne modele. Za namene modeliranja sem uporabila program za protitočno nevronsko mrežo \textit{CPANNatNIC software}. V dveh optimizacijskih korakih je bil uporabljen genetski algoritem. Pripravila sem kvaliteten podatkovni set kemijskih spojin, na podlagi podatkov o spojinah iz članka Sluga et al. 2020 ter pripadajočih eksperimentalnih vrednosti za topnost v vodi, ki so pridobljene iz podatkovne zbirke AqSolDB. Za opis strukturnih značilnosti molekul sem uporabila molekulske deskriptorje iz programov alvaDesc in RDKit. Za vrednotenje uspešnosti razvitih modelov sem izračunala vrednosti RMSE na dveh zunanjih validacijskih setih, na validacijskem setu AqSol (na podlagi AqSolDB podatkovne zbirke) in na Zunanjem validacijskem setu (zbirka spojin, obljavljena v Cui et al. 2020). Za te validacijske sete sem pripravila tudi napovedi z že objavljenimi modeli - model VEGA, program ALOGPS in modeloma NN-A in NN-D, obljavljenima v Sluga et al. 2020. Opravljena je bila analiza domene uporabnosti na obeh zunanjih validacijskih setih s pomočjo podatkov o evklidskih razdaljah. Pripravila sem tudi napovedi z modelom soglasja, ki združuje tri modele (imenovan K3) in tudi model soglasja K5, ki združuje tri razvite modele in modela NN-A in NN-D. Ugotovljeno je bilo, da se trije modeli, razviti v magistrski nalogi, izkažejo dobro, v primerjavi z že objavljenimi modeli. Najbolje pa se izkaže model soglasja K3, ki je, glede na vrednosti RMSE na Zunanjem validacijskem setu najuspešnejši, glede na Validacijski set AqSol pa drugi najuspešnejši model.20252025-09-04 09:40:01Magistrsko delo/naloga171937sl