پیش بینی داروهای تأثیرگذار مبتنی بر یادگیری عمیق

ترکیب با دخالت اطلاعات شباهت ترکیبات دارویی و دنباله های پروتیینی در شبکه های مبتنی بر یادگیری عمیق» عنوان طرح پسادکتری کریم عباسی و گرنت پژوهشی حمیدرضا ربیعی است که بنیاد ملی علم ایران از این طرح حمایت کرده است.

- پیش بینی تعامل پروتیین-ترکیب با دخالت اطلاعات شباهت ترکیبات دارویی و دنباله های پروتیینی در شبکه های مبتنی بر یادگیری عمیق عنوان طرح پسادکتری کریم عباسی و گرنت پژوهشی حمیدرضا ربیعی است که بنیاد ملی علم ایران از این طرح حمایت کرده است.

به گزارش ایسنا، کریم عباسی با مدرک دکتری تخصصی بیوانفورماتیک از دانشگاه تهران درباره این طرح توضیح داد: یکی از مهم‏ترین هدف های فازهای اولیه کشف دارو، یافتن مولکول های دارویی کاندیدا با فعالیت فارماکولوژیک مناسب و سمیت کم است.

روش‏ های آزمایشگاهی طراحی و کشف دارو زمان‏بر و پرهزینه هستند.

وی ادامه داد: بنابراین در کنار روش‏ های آزمایشگاهی، از روش های محاسباتی نیز استفاده می ‏شود.

از روش های محاسباتی که برای پیش بینی بهترین کاندیدای داروها استفاده می ‏شود، می ‏توان به روش های سیستم بیولوژی، یادگیری ماشین کلاسیک و یادگیری عمیق اشاره کرد.

با استفاده از این روش‏ ها می توان داروهای تأثیرگذار را پیش بینی کرد و سپس تحقیقات آزمایشگاهی بر روی آنها انجام شود.