UMĚLÉ NEURONOVÉ SÍTĚ V CHEMII doc. RNDr. Vlasimil Dohnal, Ph.D. Podpora přednášky kurzu Mezioborové dimenze vědy
doc. RNDr. Vlasimil Dohnal, Ph.D. Kaedra chemie PřF UHK
Příklady aplikací ANN QSAR a QSPR sudie Modelování reenčních fakorů kvarerních pyridiniových oximů v enkovrsvé chromaografii. Reakivační účinnosi pyridiniových oximů vůči enzymu aceylcholineseráze inhibované širokým spekrem bojových láek. Opimalizace podmínek separačních meod Opimalizace separace chirálních láek Dekonvoluce píků v separačních meodách Klasifikace Modelování disribuce uranu ve zlaých dolech v Jihoafrické republice. Klasifikace vín dle původu (Kanárské osrovy) Hodnocení savu biosenzoru
Použií umělých neuronových síí Dvě fáze Adapace Hledání opimálních hodno váhových koeficienů, prahových hodno a dalších proměnných. Adapační algorimus Rozdělení da do několika skupin (rénovací, esovací, verifikační). Minimalizace rozdílu mezi vypočenými a požadovanými výsupy. Predikce Využií adapované umělé neuronové síě pro výpoče
Příprava da DATA TRÉNOVACÍ DATA VERIFIKAČNÍ DATA TESTOVACÍ DATA
Molekulové deskripory Dragon Professional v5.5 1664 molekulových deskriporů!!!
Redukce poču proměnných Saisická analýza Geneické algorimy Laenní proměnné (meoda hlavních komponen) Offline (PCA) Online (Sanger, Oja)
Hybridní neuronové síě MD 1 MD 2 MD 3 PCA y 1 y 2 Fyz.-chem. vlasnosi Biologický účinek Toxicia Apod. MD 1664 VSTUPNÍ VRSTVA SKRYTÁ VRSTVA (laenní proměnné) SKRYTÁ VRSTVA VÝSTUPNÍ VRSTVA
Modelování reenčních fakorů Vsupní daa Molekulové srukury kvarérních pyridiniových oximů (1644 deskriporů, 21 láek) Vyloučení konsanních deskriporů, MD (295) Celkem použio pro umělou neuronovou síť 634 MD Normalizace da (inerval 0 1) Výsupní daa Reenční fakory ěcho oximů získané chromaografií na enké vrsvě (1) Rozdělení da do skupin Tréninkový daa se (16) Verifikační daa se (5) Tesovací daa se (4 nově syneizované láky)
Pyridiniové oximy N H 2 O CH 3 X - O 2 Cl - HON 2 X - O 2 Br - H 2 N O HON NH 2 CH CH 2 Br - 2 Br - O N H 2 O 2 X - O 2 Cl - HON 2 Br HON 2 Br - 2 Br - H 2 N O N H 2 O CH CH 2 X - N CH 3 CH 3 I - I - CH 3 CH 3 I - O 2 X -
Reenční fakor
Reakiváory aceylcholineserázy
Modelování reenčních fakorů Hybridní umělá neuronová síť Opimální archiekura 634:8:3:1 Geneický adapační algorimus Evaluace modelů Pearsonův korelační koeficien RMSD (roo mean square deviaion) RMSD 1 N i N 1 calc R F R arge F 2
Vypočené hodnoy Výsledky modelování 1 0,75 0,5 0,25 0 y = 1,0012x + 0,0142 R² = 0,8042 0 0,25 0,5 0,75 1 Experimenální hodnoy
QSPR pyridiniových oximů Vsupní daa Molekulové srukury kvarérních pyridiniových oximů (10 deskriporů, 17 láek) Normalizace da (inerval 0 1) Výsupní daa Reakivační účinnosi použiých oximů vůči 4 bojovým lákám (4) Rozdělení da do skupin Tréninkový daa se (13) Verifikační daa se (4) Tesovací daa se (0)
H 2 N O Pyridiniové oximy H 2 N O N H 2 O N+ CH 3 CH 3 I - O 2 X - 2 Br - O 2 Cl - H 2 N O H 2 N O O 2 X - CH CH 2 X - CH 3 X - O 2 Cl - N CH 3 I - HON N H 2 O 2 X - CH 3 I - HON 2 Br - 2 Br -
Molekulové deskripory Deskripor Hodnoy Deskripor Hodnoy 1 Subsiuen 0 H 1 aldoxim 2 keoxim 6 Délka můsku Poče aomů N H 2 O 1 8 2 Subsiuen 0 H 1 aldoxim 2 keoxim 7 Subsiuen 0 H 1 pyridinium 2 fenyl 3 mehyl 3 2 O 7 4,5,6 2 X - 9 3 Subsiuen 4 Polaria spojovacího můsku 0 H 1 pyridinium 2 fenyl 3 mehyl 0 nepolární 1 polární 8 Subsiuen 9 Subsiuen 0 H 1 aldoxim 2 keoxim 0 H 1 aldoxim 2 keoxim 5 0 ne Příomnos 1 ano dvojné vazby na můsku
Umělá neuronová síť 1 2 9 1 4 % reakivace 100 3 100 a a 0 0 N H 2 2 a a i r O 1 8 O 7 4,5,6 9 2 X - Dopředná neuronová síť Adapační algorimus back-propagaion Opimální archiekura 9:4:4 Adapováno 5 síí Průměrná hodnoa chyby výpoču 7 % (rozpěí od 0,21 do 22,45 %) Predikce nových láek
Opimalizace separačních meod Opimalizace podmínek separace chirálních láek meodou kapilární zónové elekroforézy
Chirální láky ( chiros = ruka) hp://cs.wikipedia.org/wiki/soubor:chiraliy_wih_hands.jpg Chiralia = asymerie prosorového rozložení molekuly Chirální objek Není oožný se svým zrcadlovým obrazem Nemá sřed Nemá rovinu symerie Chirální molekuly = enaniomery
Objev chiraliy Louis Paseur (1822-1895) Kyselina vinná ve vinném kameni (r. 1848) hp://cs.wikipedia.org/wiki/soubor:louis_paseur.jpg
Chiralia v přírodě
Enaniomery Sejné fyzikálně chemické vlasnosi Liší se sáčením roviny polarizovaného svěla Liší se varem
Senzorické vlasnosi enaniomerů Vůně Linalool (R)-(-)-linalool kvěinová vůně do levandulova (S)-(+)-linalool hořce pomerančová vůně Limonen (-)-limonen erpenická vůně (+)-limonen cirusová vůně Karvon (-)-karvon peprminová vůně (+)-karvon kmínová vůně Chuť Asparagin (S)-asparagin hořký (R)-asparagin - sladký Při epelné úpravě hořkne
Toxikologické vlasnosi enaniomerů (S)-halidomid - eraogen (R)-halidomid - sedaivum
Kapilární zónová elekrofréza Separace závisí na Složení elekrolyu Napěí ph elekrolyu Modifikáorech Teploě Apod. hp://www.beckmancouler.co.jp/images/produc/produc01/capzone_07.gif
Separace enaniomerů Trp a Phe cyklodexrin láka komplex Různé sabiliy komplexů s cyklodexrinem vedou k separaci
Plánování pokusů Relaxační meoda Experimenální design CCD
Měření koncenrace -CD ph elekrolyu koncenrace elekrolyu
Modelování pomocí SRM
Modelování pomocí ANN
Opimalizovaná separace Pořadí L-, D-rypofan L-, D-fenylalanin
Dekonvoluce píků
Dekonvoluce píků
Cenral composie design
Klasifikace disribuce uranu
Klasifikace disribuce uranu
Mísa odběru vzorků
Vsupní daa
Korelační maice
PCA
Kohonenova SOM
Váhy vybraných fakorů v SOM uran vysoký!!! ph kyselé!! sírany vysoké!!!
Klasifikace vín dle původu
Kanárské osrovy
Carracedo e al.: Journal of Volcanology and Geohermal Research 94 (1999) 169-190.
Klasifikace vín dle původu
Klasrová analýza
SOM a váhy pro jednolivé kovy
Srovnání LDA a ANN
Verifikace původu balené vody Neva Grošelj, Grishja van der Veer, Marjan Tušar, Marjan Vračko, Marjana Novič Verificaion of he geological origin of boled mineral waer using arificial neural neworks Original Research Aricle Food Chemisry, Volume 118, Issue 4, 15 February 2010, Pages 941-947
Experimen Sanovení obsahu Ca, Mg, Na, K, HCO3-, SO42-, Cl, F a ph 145 vod Couner-propagaion ANN Vzah mezi složením vody a geologickým podložím
Klasifikace signálu biosenzoru
Biosenzor na bázi aceylcholineserázy
Klasifikace signálu biosenzoru k S k S S k S S k S S v S V v S V v S V V A v A A v A A v A A v A A v A A v A A v A A A A A f I ; 4 3 ; 2 ; 4 ; ; 4 3 ; 2 ; 4 ; ; 8 7 ; 4 3 ; 8 5 ; 2 ; 8 3 ; 4 ; 8 ; ; 4 3 ; 2 ; 4 Vekor navzorkovaných da A v s Vzorkování da A přídavek aceylhiocholinu V přídavek vzorku S přídavek synosigminu
Daase Vekor navzorkovaných da 45,5 16,6 9,3 7,2 526 571 607 638 662 678 689 690 614 593 568 545 492 437 387 347 Daase Kódovaní charakerisických vlasnosí 10,4 12,1 7,3 71,5 1 0 0 0 0 0 0 6,9 4,1 3,0 34,7 0 0 0 1 0 0 0 6,8 3,4 2,4 22,5 0 0 0 1 0 0 1 134 132 134 286 0 0 1 0 1 0 0 3,2 2,7 2,2 20,6 0 0 1 1 0 0 0 8,6 7,6 5,1 31,4 0 0 0 1 0 0 1 45,5 16,6 9,3... 347 1 0 0 0 0 0 0
Promínuí da 45,5 16,6 9,3 7,2 526 571 607 638 662 678 689 690 614 593 568 545 492 437 387 347
Kohonenova mapa
Experní sysémy Určení chemické srukury láek Odhad oxiciy Odhad ADME
Určení chemické srukury UV/VIS spekrum IČ spekrum 1 H-NMR spekrum 13 C-NMR spekrum MS spekrum
Orální absorpce léčiv A. Guerra, N.E. Campillo, J.A. Páez Neural compuaional predicion of oral drug absorpion based on CODES 2D descripors Original Research Aricle European Journal of Medicinal Chemisry, Volume 45, Issue 3, March 2010, Pages 930-940
Aplikace ANN v oxikologii I absorpce, disribuce, meabolismu a exkrece (ADME) oxiciy láek vůči konkrénímu živému organismu rozpusnosi rozdělovací koeficieny okanol-voda muagenecia kancerogenecia ad.
Aplikace ANN v oxikologii II ANN jsou součásí někerých komerčních programů (hybridní experní sysémy) pro odhad oxiciy HyTEx hybrid oxicological exper sysem
Závěr Možnos využií ANN Klasifikační problémy Míso původu poraviny Idenifikace výrobce, šarže ad. Vyhodnocení signálu biosenzoru Modelování QSAR vzah srukura akivia chemické láky Drug design Hledání opimálních podmínek separačních meod
Děkuji za pozornos