Интегрированная система управления объектами метаданных при прогнозировании активности органических соединений тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Комардин, Павел Валерьевич

• Комардин, Павел Валерьевич
• кандидат технических наук
• 2007

Оглавление диссертации кандидат технических наук Комардин, Павел Валерьевич

4

ГЛАВА 1. ОСОБЕННОСТИ ОПИСАНИЯ ПРОЦЕДУРЫ ПРОГНОЗИРОВАНИЯ АКТИВНОСТИ ОРГАНИЧЕСКИХ СОЕДИНЕНИЙ С ПОМОЩЬЮ ОБЪЕКТОВ МЕТАДАННЫХ.

1.1. Задача прогнозирования свойств органических соединений.

1.2. Компьютерная поддержка процедуры прогнозирования.

1.3. Анализ существующих методов прогнозирования активности органических соединений.

1.3.1. Методы прогнозирования активности органических соединений.

1.3.2. Классификация способов описания молекул соединений.

1.3.3. Анализ существующих методик прогнозирования активности.

1.4. Детализированное описание обобщенной процедуры прогнозирования.

1.5. Задача разработки компьютерной системы прогнозирования активности органических соединений, интегрирующей различные методы прогнозирования.

Краткие выводы.

ГЛАВА 2. ФОРМАЛЬНОЕ ОПИСАНИЕ ОБОБЩЕННОЙ ПРОЦЕДУРЫ ПРОГНОЗИРОВАНИЯ.

2.1. Проектирование концептуальной модели данных для процедуры прогнозирования.

2.1.1. Представление сущностей обобщенного уровня абстракции в модели данных.

2.1.2. Представление управляющих воздействий пользователя в модели данных.

2.1.3. Области видимости данных в процедуре прогнозирования.

2.1.4. Представление сущностей детализированного уровня в модели данных.

2.2. Моделирование потока управления и потока данных в процедуре прогнозирования

2.2.1. Поток управления в процедуре прогнозирования активности.

2.2.2. Описание потока управления и потока данных на этапах процедуры прогнозирования.

2.3. Моделирование управляющих воздействий пользователя в процедуре прогнозирования.

2.3.1. Состояния выбора способа описания структуры соединений.

2.3.2. Состояния, описывающие процесс принятия решений.

2.3.3. Состояния, позволяющие принимать решения.

2.3.4. Состояния просмотра ранее принятого решения.

2.3.5. Состояния просмотра результатов обработки.

Краткие выводы.

ГЛАВА 3. ПРОЕКТИРОВАНИЕ И РЕАЛИЗАЦИЯ ИНТЕГРИРОВАННОЙ СИСТЕМЫ УПРАВЛЕНИЯ ОБЪЕКТАМИ МЕТАДАННЫХ.

3.1. Особенности интегрируемой системы управления объектами метаданных.

3.2. Спецификация функциональных и нефункциональных требований к системе.

3.2.1. Спецификация нефункциональных требований.

3.2.2. Спецификация функциональных требований.

3.3. Проектирование схемы реляционной базы данных.

3.3.1. Представление абстрактных классов с помощью схемы сущность-атрибут-значение».

3.3.2. Отображение классов объектной модели в реляционную модель.ПО

3.4. Разработка архитектуры интегрированной системы.

3.4.1. Проектирование уровня логики.

3.4.2. Проектирование уровня представления.

3.5. Выбор платформы для реализации интегрированной системы.

3.6. Реализация интегрированной системы управления объектами метаданных.

Краткие выводы.

ГЛАВА 4. ПРИМЕНЕНИЕ ИНТЕГРИРОВАННОЙ СИСТЕМЫ ДЛЯ ПРОГНОЗИРОВАНИИ АКТИВНОСТИ КОНФОРМАЦИОННО-ГИБКИХ СОЕДИНЕНИЙ.

4.1. Разработка компонентов, реализующих методы прогнозирования активности соединений.

4.2. Прогнозирование активности производных TIBO методом комплексных интервальных моделей.

4.3. Прогнозирование активности производных TIBO с помощью методов регрессионного анализа.

4.4. Сопоставление полученных результатов прогнозирования активности.

Краткие выводы.

Введение диссертации (часть автореферата) на тему «Интегрированная система управления объектами метаданных при прогнозировании активности органических соединений»

Одной из важнейших задач компьютерной химии является предсказание физических, химических и биологических свойств химических соединений. Такое прогнозирование позволяет проводить дорогостоящие экспериментальные исследования более прицельно и оценивать возможность использования соединения в качестве основы для создания лекарственного препарата на ранних стадиях его изучения. В основе исследований лежит предположение о том, что структура молекулы соединения определяет свойства, проявляемые этим соединением. Гипотезы о взаимосвязи структуры молекулы соединения и его свойствами могут быть построены на основе анализа сведений об уже синтезированных и исследованных молекулах соединений того же класса. Эту область исследований кратко называют изучением зависимостей «структура -активность» (structure-activity relationships, SAR).

Решение о выборе наиболее перспективных соединений на основе прогнозирования принимается на начальном этапе научных исследований базовых структур лекарственных препаратов, поэтому достоверность прогнозов очень важна. Для повышения достоверности прогнозирование активности соединений, как правило, выполняется не одним, а несколькими различными методами, с последующим сопоставлением полученных прогнозов. Актуальной является создание компьютерной системы, обеспечивающей интеграцию данных о структуре молекул соединений и различных, в том числе новых, методов построения гипотез и прогнозирования.

Целью работы является повышение достоверности прогнозов активности органических соединений на основе разработки интегрированной системы компьютерной поддержки процедуры прогнозирования.

Для достижения этой цели необходимо последовательное решение следующих задач:

• анализ особенностей различных методов прогнозирования активности органических соединений;

• формализация структур данных, потоков данных и управляющих воздействий в процессе прогнозирования активности;

• разработка архитектуры системы управления объектами метаданных;

• реализация системы управления объектами метаданных;

• реализация отдельных методов прогнозирования активности в рамках разработанной системы;

• применение системы для решения различных задач прогнозирования активности.

Научная новизна

• выявлены особенности различных методов прогнозирования активности органических соединений, позволяющие интегрировать эти методы в рамках единой компьютерной системы, поддерживающей процедуру прогнозирования,

• выполнено построение формального описания структур данных, потоков данных и управляющих воздействий в процессе прогнозирования активности;

• разработана архитектура системы управления объектами метаданных;

Практическая значимость. Основным практическим результатом является интегрированная система управления объектами метаданных, обеспечивающая компьютерную поддержку прогнозирования активности соединений на ранних стадиях создания базовых структур для лекарственных препаратов.

Разработанная система была использована для прогнозирования анти-ВИЧ активности производных тетрагидроимидазобензодиазипенона (TIBO) методами регрессионного анализа и комплексных интервальных моделей.

Методы исследования

Формализация процедуры прогнозирования активности соединений выполнена с использованием нотации унифицированного языка моделирования UML: диаграмм классов, диаграмм деятельности и диаграмм состояний. При реализации системы управления объектами метаданных использован компонентный подход.

Структура диссертации

Диссертация состоит из введения, 4 глав и заключения.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Комардин, Павел Валерьевич

Заключение

В диссертационной работе получены следующие результаты:

1. выявлены особенности различных методов прогнозирования активности органических соединений, позволяющие интегрировать эти методы в рамках единой компьютерной системы, поддерживающей процедуру прогнозирования;

2. выполнено построение формального описания структур данных, потоков данных и управляющих воздействий в процессе прогнозирования активности;

3. разработана архитектура системы управления объектами метаданных

4. реализована система управления объектами метаданных, позволяющая повысить достоверность прогнозов на основе интеграции различных методов прогнозирования активности;

5. в рамках разработанной системы реализованы методы обработки данных на этапе описания структуры соединений и специфические для методов регрессионного анализа и комплексных интервальных моделей методы оценки значимости индексов, построения гипотез и прогнозирования активности;

6. применение интегрированной системы показало, что она позволяет более эффективно организовать компьютерное прогнозирование свойств органических соединений и повысить достоверность прогнозов, что, в свою очередь, приводит к ускорению и удешевлению первого этапа создания новых лекарственных препаратов.

Список литературы диссертационного исследования кандидат технических наук Комардин, Павел Валерьевич, 2007 год

1. Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. - М., Наука. Физматлит. 1996.

2. Трахтенгерц Э.А. Компьютерная поддержка принятия решения. М., Изд-во «Синтег», 1998.376 с.

3. Моисеев Н.Н. Предисловие к книге Орловского С.А. Проблемы принятия решений при нечеткой исходной информации. М., Наука. 1981.

4. Ларичев О.И. Объективные модели и субъективные решения. М., Наука. 1987.

5. Slovic P., Fichhoff В., Lichtenstein S. Behaviorial decision theory. Annual Psychology Rev. vol. 28,1997.

6. Бурляева Е.В., Гаврилов А.В. Система управления принятием решений при выборе перспективных сложных органических соединений // Приборы и системы. Управление, контроль, диагностика, № 11, 2002

7. Cizek J., On The Correlation Problem in Atomic and Molecular Systems Calculations of Wavefunction Components and Ursell-Type Expansion Using Quantum Field Theoretical Methods // Journal of Chemical Physics, 45 (1966), p. 4256.

8. Anzali S., Barnickel G., Cezanne В., Krug M., Filimonov D., Poroikov V. Discriminating between drugs and nondrugs by Prediction of Activity Spectra for Substances (PASS) //. Journal of Medical Chemistry, 2001,4 (15), pp. 2432-2437

9. Renxiao Wang, Ying Gao, Liang Liu, and Luhua Lai All-Orientation Search and All-Placement Search in Comparative Molecular Field Analysis // Journal of Molecular Modeling, 4, pp. 276-283.

10. Cramer R.D., Patterson D.E., Bunce J.D. Comparative molecular field analysis. Effect of shape on binding of steroids to carrier proteins // Journal of American Chemical Society, 110,1988, pp.5959-5967

11. Good A.C., So S.S., Richards W.G. Structure-activity relationships from molecular similarity matrices // Journal of Medical Chemistry, 36,1993, pp.433-438.

12. Баскин И.И., Гальберштам H.M., Палюлин B.A., Зефиров Н.С. NASAWIN -программный комплекс для исследования зависимостей «структура свойство» в химии // Материалы 7-й Всероссийской конференции «Нейрокомпьютеры и их применение», Москва, 2001, с.419-422

13. Баскин И. И., Палюлин В. А., Зефиров Н. С. Применение искусственных нейронных сетей в химических и биохимических исследованиях. Вестник Московского Университета. Химия. 1999, том 40, № 5, с. 323

14. Bradbury S.P., Ankley G.T. The role of ligand flexibility in predicting biological activity // Environmental Toxical Chemistry, 17,1998, pp. 15-25

15. Mekenyan O.G., Bradbury S.P., Ankley G.T. New Developments in a Hazard Identification Algorithm for Hormone Receptor Ligands: COREPA. Quantitative Structure-Activity Relationships in Environmental Sciences, 7,2000, pp.141-158.

16. Mekenyan O.G., Schultz T.W., Veith G.D. Dynamic QSAR: A new search for active conformations and significant stereoelectronic induces. Quantitative Structure Activity Research, 13,1994, pp.302-307S

17. Голендер В. Е., Розенблит А. Б., Журнал ВХО им. Д.И. Менделеева, 25,1980, №1, с. 28-35.

18. Leo A.J., Calculating log Poct from Structures. // Chemical Review, № 4 (93), 1993, pp. 120-146.

19. Бурштейн К.Я., Шорыгин П.П. Квантовохимические расчеты в органической химии и молекулярной спектроскопии.- М:. Наука, 1989.-104 с.

20. Буч Г., Рамбо Д. Якобсон И. Язык UML. Руковоство пользователя. 2-е изд.: Пер. с англ. Мухин. М.: ДМК Пресс, 2007. - 496 с.

21. Леоненков А.В. Самоучитель UML. СПб.: БХВ-Петербург, 2001.- 304 с

22. Rolf Hennicker, Nora Koch: Modeling the User Interface of Web Applications with UML. pUML 2001: 158-172

23. Designing Reusable Classes Ralph E. Johnson & Brian Foote Journal of Object-Oriented Programming June/July 1988, Volume 1, Number 2, pages 22-35

24. Erich Gamma, Richard Helm, Ralph Johnson, and John Vlissides, "Design Patterns: Elements of Reusable Software Architecture", Addison-Wesley, 1995.

25. Ralph E. Johnson Components, frameworks, patterns Proceedings of the 1997 symposium on Software reusability Boston, Massachusetts, United States, 1997, pp. 10-17

26. Prakash M. Nadkarni, Luis Marenco, Roland Chen, Emmanouil Skoufos, Gordon Shepherd, Perry Miller Organization of Heterogeneous Scientific Data Using the EAV/CR Representation J Am Med Inform Assoc. 1999 Nov-Dec; 6(6): 478-493.

27. Фаулер M. Архитектура корпоративных программых приложений.: Пер. с агнл. -М.: Издательский дом «Вильяме», 2007. 544 с.

28. Басс JI., Клементе П., Кацман Р Архитектура программного обеспечения на практике СПб.: Питер, 2006

29. Shaw М. and Clementz P. A Field Guide to Boxology: Preliminary Classification of Architectural Styles for Software Systems Proceeding of COMPSAC, Washington, D.C., August 1997

30. Кулямин В.В Технологии программирования. Компонентный подход. Интернет-университет информационных технологий ИНТУИТ.ру, БИНОМ. Лаборатория знаний, 2006 г., 464 стр.33. © Sun microsystems www.sun.com

31. Иванова Е.Б., Вершини М.М. Java 2, Enterprise Edition. Технологии проектирования и разработки. СПб.: БХВ- Петербург, 2003. - 1088 с.35. ©Interface21 www.springframework.org

32. Rob Harrop, Jan Machacek Pro Spring: Apress, 2005.

33. Rod Johnson, Juergen Hoeller Expert One-on-One J2EE Development without EJB Wiley Pablishing, Inc., Indianapolis, Indiana 2004, 552 p.

34. Martin Fowler Inversion of Control Containers and the Dependency Injection pattern www.martinfowler.com/articles/injeetion.html

35. G. Kiczales, J. Lamping, A. Mendhekar, etc. Aspect-oriented programming. Published in proceedings of the European Conference on Object-Oriented Programming (ECOOP). Finland, Springer-Verlag LNCS 1241. June 1997.40. www.mysql.com

36. Kohlstaedt L.A., Wang J., Friedman J.M. at all Crystal Structure at 3,5 A Resolution of HIV-1 Reverse Transcriptase Complexed with an Inhibitor // Science, 1992, 256, pp.1783-1790.

37. Ren J., Esnouf R., Hopkins A. at all The structure of HIV-1 reverse transcriptase complexed with 9-cloro-TIBO: lessons for inhibitor design// Structure, 1995, 3, pp. 915926.51. dasher.wustl.edu/tinker

38. Silverman B.D., Piatt D.E. Comparative Molecular Moment Analysis: 3D-QSAR without Molecular Superposition // Journal of Medicinal Chemistry, 1996, vol.39, № 11, pp.21292140.

39. Kukla M.J., Breslin H.J., Diamond C.J. et al. (1991) Journal of Medicinal Chemistry, vol.34, 3187.

40. Бурляева E.B. Информационная система прогнозирования ингибирующей активности ненуклеозидных ингибиторов обратной транскриптазы // Биомедицинские технологии и радиоэлектроника, № 6,2003, с.28-33

41. Бурляева Е.В., Комардин П.В., Юркевич A.M., Швец В.И. Уточнение прогноза активности ингибиторов ВИЧ с учетом их конформации в активном центре фермента // Химико-фармацевтический журнал, № 9,2003, с.31-35

42. Использование ненуклеозидных ингибиторов обратной транскриптазы в качестве антиВИЧ препаратов // Тезисы докладов 7-й международной научно-технической конференции «Наукоемкие химические технологии», Ярославль, Изд-во ЯГТУ, 2001,с. 102