Razvoj novih protokolov molekulskega sidranja z vključitvijo globokih nevronskih mrežSrovin, Jure Vito (Avtor) Ilc, Nejc (Mentor) Sluga, Davor (Komentor) Jukić, Marko (Komentor) globoko učenjemolekulsko sidranjecenilna funkcijaMolekulsko sidranje je vrsta računalniške simulacije, katere naloga je odkriti način vezave majhne molekule ali liganda na večjo receptorsko molekulo. Uspešnost sidranja je odvisna od učinkovitosti iskalnega algoritma, ki preiskuje prostor možnih poz, ter cenilne funkcije, ki ocenjuje njihov potencial vezave znotraj vezavnega mesta. Zaradi sposobnosti učenja kompleksnih odvisnosti iz podatkov smo se odločili integrirati model globokega učenja v obstoječi protokol sidranja orodja CmDock. Izbrali smo model AQDnet, saj je ta dosegel odlične rezultate na primerjalni zbirki CASF-2016, in ga uporabili kot cenilno funkcijo med sidranjem. Poskusili smo ga integrirati na tri različne načine, pri čemer je bil model uspešen le pri ponovnem ocenjevanju sidranih poz. Sidranje z uporabo modela AQDnet je doseglo nekoliko boljši povprečen RMSD na 90 kompleksih iz zbirke DUD-E v primerjavi s cenilko CmDock, vendar pa je bila cenilka CmDock vseeno uspešnejša pri sidranju nekaterih kompleksov. Prav tako smo pospešili algoritem za generiranje značilk, ki jih model AQDnet potrebuje za podajanje ocen, in sicer za približno 20-krat.20242024-07-04 08:20:00Magistrsko delo/naloga159229VisID: 37042COBISS_ID: 202899715sl