Система процедур ДСМ-метода автоматического порождения гипотез и ее реализации тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат технических наук Путрин, Андрей Валерьевич

• Путрин, Андрей Валерьевич
• кандидат технических наук
• 2000

Оглавление диссертации кандидат технических наук Путрин, Андрей Валерьевич

1 Введение,

2 ДСМ-рассуждение.

2.1 Простой метод.

2.2 Обобщенный метод.

2.3 ДСМ-прогноз.

2.4 Простейший пример работы ДСМ-системы.

2.4.1 Простой метод.

2.4.2 Простой метод с запретом на контрпример.

2.4.3 Обобщенный метод.

2.5 Работа ДСМ-системы на задачах класса «структура химического соединения -множество активностей».

3 Применение ДСМ-метода для прогнозирования свойств совокупностей химических соединений.

3.1 Объект.

3.2 Сходство.

3.3 Свойства.

4 Результаты экспериментов.

5 Программная реализация 3%

5.1 Общая концепция системы

5.2 Программные компоненты

5.2.1 Крмпонент 3О-визуализации химических соединений

5.2.2 Решатель

5.2.3 Интегрированная среда поддержки экспериментов

Введение диссертации (часть автореферата) на тему «Система процедур ДСМ-метода автоматического порождения гипотез и ее реализации»

В связи с быстрым развитием химии в окружающую среду попадает все большее число новых биологически активных соединений, причем некоторые из них могут оказаться вредными для человека. В частности, при конструировании новых лекарственных соединений прогноз на канцерогенность, токсичность и мутагенность является необходимым. В настоящее время накоплено большое количество экспериментальных данных да воздействию химических веществ на человека и животных. Сведения об экспериментах обобщены в ряде справочников и специализированных базах данных (БД). Ввиду длительности (около трех лет) и высокой стоимости экспериментов на лабораторных животных попытки использования в этой области интеллектуальных систем (ИС) предпринимались довольно давно. В настоящее время наибольшее распространение получили следующие две программы:

• HazardExpertfl] - система разработана в 1984 году по заказу Министерства Охраны Окружающей Среды США для прогноза семи классов токсичности соединений (иммунотоксичность, нейротоксичность, терратогенность и т.д.). Для предсказания использовадась , система продукционных правил и сведения специалистов о структурных фрагментах и функциональных группах, ответственных за проявление прогнозируемого эффекта. В 1997 году в дамках проекта COPERNICUS возможности HazardExpert были расширены за счет применения на последней стадии предсказания нейронной сети. Такая комбинированная система использовалась для прогноза токсичности соединений. На сегодняшний день различнее версии HazardExpert применяются более, чем в 100 научных учреждениях 15 стран мира.

• Система С0МРАСТ[2] способна предсказывать на квантовохимическом уровне канцерогенность химических веществ, которым для проявления этого свойства необходимо взаимодействие с цитохромом Р-450 Согласно [3] обе системы дают верное предсказание в 70-80% случаев. Разумеется, описанные две ИС не являются единственными, применяемыми сегодня. К распространенным можно также отнести - ТОРСАТ[4](статистические методы), САБЕ[5] (прогноз по частоте встречаемости биофоров и биофобов), продолжаются работы по использованию в этой области нейронных сетей [6]

В 1843 году была опубликована книга английского философа Джона Стюарта Милля «Система догики силлогической и индуктивной. Изложение принципов и доказательства в связи с методами научного исследования»[7]. После появления компьютеров описанные там принципы стали использоваться для выявления закономерностей «ситуация-явление» во многих областях, в том числе в химии и социологии.

ДСМ-метод1 автоматического порождения гипотез реализует автоматизированные правдоподобные рассуждения: порождение гипотез о причинах свойств, вывод по аналогии, процедуры объяснения начального состояния БД (основы метода сформулированы в [8, 9]).

ИНТС ДСМ представляет собой интегрированную интерактивную систему, в которой посредством ДСМ-метода автоматического порождения гипотез (АПГ) осуществляется обработка знаний, представленных в БД с неполной информацией (БДНИ) и в базе знаний (БЗ)2. ИНТС ДСМ применяется для прогнозирования свойств структурированных объектов из БДНИ в фармакологии, медицине, технической диагностике и социологии.

1 ДСМ-метод - метод поиска причинно-следственных связей в различных плохо формализованных дисциплинах. Основан на трудах Джона Стюарта Милля, чьи инициалы и дали имя методу.

В 1990 Отделом Теоретической и Прикладной Информатики ВИНИТИ была разработана первая ИС, использующая ДСМ-мётод для прогнозирования свойств химических соединений [10, 11, 12]. Система работала под управлением операционной системы MS-DOS и обладала рядом недостатков:

• ввод химических соединений осуществлялся встроенным редактором, формат данных которого не был совместим с любым, имеющимся в мире;

• не было возможности сохранять данные об эксперименте в каком-либо постоянном хранилище;

• не было интегрированной среды поддержки исследований;

• система была способна показывать лишь двумерные модели соединений.

В следующей версии [13, 14], разработанной для MS Windows 3.x, часть этих недостатков была исправлена, хотя появились и новые:

• хотя теперь и поддерживалось сохранение результатов экспериментов, но их экспррт был по-прежнему невозможен;

• система показывала процесс предсказания не полностью

• недостатки, связанные с редактором остались

Несмотря на проблемы, описанные выше, эти реализации дали возможность отработать методики построения систем типа ДСМ для прогнозирования свойств химических соединений [15].

Целью диссертационных исследований автора являлась добавление и модификация некоторых процедур ДСМ-метода для исследований антипродуктивных свойств (канцерогенности, мутагенности и токсичности) многокомпонентных химических соединений и реализация этих процедур в виде программной системы на платформе ЮМ PC под управлением ОС Windows NT.

2БЗ содержит декларативные (аксиомы предметной области) и процедурные(представления правил) знания [1]

Актуальность работы определяется как теоретическими, так и практическими трудностями решения этого класса задач. ДСМ-метод является адекватном средством для построения программной системы, которая находит применение в области прогнозирования канцерогенности. мутагенности и токсичности совокупностей химических соединений3, т.к. здания содержащиеся в БД, хорошо структурированы. Предлагаемый подход позволяет, сократив общее количество экспериментов на лабораторных животных, проводить их направленно, что уменьшает временные и материальные затраты.

В процессе работы над диссертацией автором получены следующие научные результату:

1. Разработана и реализована "стандартная" программная оболочка для применения ДСМ-метода автоматического порождения гипотез в таких областях, как химия, социология и т.д. Система использует унифицированный механизм хранения данных, что позволяет настраивать ее почти на любую из существующих на сегодняшний день СУБД (Oracle, MS Ассе^ и т.д.);

2. Сведена к классу задач, решаемых ДСМ-методом, задача прогнозирования антипродуктив ных свойств многокомпонентных химических соединений;

3. Произведена модификация "стандартной" программной оболочки ДСМ-системы для проведения экспериментов по прогнозированию антипродуктивных свойств многокомпонентных и однокомпонентных химических соединений;

3Под совокупностью химических соединений здесь и далее мы понимаем одно или более веществ, одновременно вводимых одной и той же особи, быть может, в разных дозах. При наличии модели взаимодействий веществ друг с другом данную совокупность можно было бы назвать смесью.

4. Разработана подсистема отображения химических соединений в трехмерном пространстве^ используемая как интерфейс интеллектуальных ДСМ-систем с пользователем;

5. Проведены эксперименты, подтверждающие целесообразность применения ДСМ-метода для распознавания канцерогенности, токсичности и мутагенности химических соединений.

Следующее особенности работы определяют ее научную новизну:

1. Для обработки данных о химических веществах, традиционно осуществляемой статистическими {вычислительными) средствами, применены логические средства, образующие ДСМ-метод;

2. Разработана, и реализована ^"стандартная" программная оболочка для применения ДСМ-метода автоматического порождения гипотез в различных предметах областях. Оболочка поддерживает универсальное хранилище данных для сохранения результатов работы системы

3. Интеллектуальная система настроена на новую предметную область -прогнозирование антипродуктивных свойств (кацерогенность, токсичность, мутагенность) совокупностей ^химических соединений, при этом система может применяться и для предсказания свойств однокомпонентных соединений;

4. Разработана подсистема ЗБ-визуализации химических соединений для применение в интеллектуальных системах типа ДСМ, ранее использовавших 20-визуализацию.

Практическая значимость работы состоит в создании интеллектуальной партнерской системы для анализа и обработки экспериментальных данных, представляющих зависимости между совокупностью химических соединений с одной

2. ДС|У1-рассуждение

ДСМ-рассуждение[8, 9] осуществляет правдоподобный вывод, в результате которого появляется информация о наличии или отсутствии свойств у объектов на основании анализа прецедентов (объектов с заранее известными свойствами). Объекты должны ругеть определенную структуру и на них должны быть определены операции локального сходства, объединения, разности и отношение вложения. Структура объектов) должна содержать фрагменты, ответственные за наличие или отсутствие исследуемого свойства. Смысл операции "локального сходства" заключается в поиске общих частей объектов, имеющих одинаковые свойства, и в случае, когда наличие или отсутствие соответствующего свойства у нескольких разных объектов вызвано одной причиной, эта причина должна находится в полученной общей части. Интеллектуальная система ДСМ представляет собой интегрированную интерактивную систему, в которой посредством ДСМ-метода автоматического порождения гипотез осуществляется обработка знаний, представленных в БД с неполной информацией (БДНИ) и в базе знаний (БЗ)4 Для работы системы требуется набор объектов, про которые известно, что они обладают исследуемым свойством ((+) -объекты) и набор объектов, про которые известно, что они им не обладают ((-)-объекты). Задается также набор объектов, наличие свойства в которых требуется определить ((х)-объекты). В основе ДСМ-рассуждения лежит Процедура Порождения Гипотез (11111'), каждая итерация которой производит доопределения подмножества (х)-объектов. Представляемая система использует два метода поиска сходства.

4БЗ содержит декларативные(аксиомы предметной области) и процедурные(представления правил) знания [1]

2.1 Простой метод

Итак, мы имеем дело с тремя видами элементов. К элементам первого типа относятся объекты определенной природы. Элементы второго типа - фрагменты этих объектов. Предположим, что мы можем найти общую часть любого множества объектов. Полученный фрагмент не обязательно также будет объектом. Элементы третьего типа - это свойства объектов. Предположим, что X - объект, х - фрагмент, А -множество свойств объекта Определим два бинарных предиката =>5 и =>2; X =>г А означает, что объектXобладает всеми свойствами из А; х ~>2 А значит, что фрагмент х является причиной наличия свойств из А. В простейшем случае Л = {а}, тогда для краткости будем писать Х=>^а и х =>, а вместо X {а} и х=>2 {а} соответственно. Областью значений предикатов X =>г А, х=>2 А являются истинностные значения <ю-значной логики[2], имеющей шесть типов истинностных значений, которые подразделяются на внутренние(фактические) и внешние (логические). Внутренними типами истинностных значений являются: 1 - "фактическая истина" ; -1 - "фактическая ложь" ;

0 - "фактическое(эмпирическое) противоречие"; т- "неопределенность". Внешние типы истинностных значений: 1 - "истина" и/- "ложь".

Внутренние истинностные значения имеют вид V =< у, п > или V = (т, п), где V е {1,0,-1}- тип истинностного значения, а п - номер шага ттрименения, на котором атомарным формулам X =>, А, х=>2А, представляющим частично определенные отношения =>*,=>* [2] в БД с неполной информацией, приписывается у(Х, х, А -нидивидные константы; в начальном состоянии БД п - 0).

Внешние истинностные значения приписываются формулам вида J-(X А), истина, если и\(р} — у

-(х —^2 А) • ¿уф ~ 1- , и - функция оценки. лож:ь,еслии[<р] ^ у

Предположим, что все множества свойств объектов одноэлементны. Опираясь на данные выше определения, будем цисать:

Л^ а), если после и итераций 11111 мы все еще не знаем, является ли фрагмент х причиной наличия свойства а;

Гг1 п: (х =>2 а), если на шаге п мы выяснили, что х - причина а; х =>2 а), если на шаге п мы выяснили, что х - причина отсутствия а;

Тп (х =>2 а), если на шаге мы выяснили, что х может быть причиной, как наличия, так и отсутствия а,

ДСМ-правила первого рода формулируются следующим образом: •*(,.„)(* =^2 4 м;(х, а), -,м: (х, а) ' "-правило)

-"-правило)

0"-правило) т"-правило)

J(+1,»+1)(X=P 2 4 а\Мп(х,а),^М;1(х,а). г 4

J(r,»)(* =>2 4 -м; (х, 4 -М" (х, а)

J(r,„+l)(*=>2 4

Предикат М;(у, а) выполним, если (1) (2)

ХеХ

3) у*-0.

Иными словами, этот предикат истинен в том случае, если подобъект у является общей частью как минимум двух объектов, обладающих свойством а. Ми(у, а) определяется двойственно - он выполним, если X с а)(1 и:

1) |Х|>2;

2) п^;

ХеХ

3)

Будем писать;

1М(Х =>] а), если за п шагов 11111 мы определили, что X обладает свойством а, 1п)(Х —>, а), если за п шагов ППГ мы определили, что X не обладает свойством а; „)(Х =>, а), если после п шагов ППГ мы не знаем, обладаетXсвойством а или нет. Будем писать п)(Х =>г а), если мы определили, что X обладает свойством а точно на п-оы шаге ППГ. п}(Х =>л а) и п (Х =>, а) определяются аналогично. ДСМ-правила второго рода формулируются следующим образом: *(,.„)(*=>. 4 П +п{Х,а) "-правило)

-"-правило)

О"-правило) т"-правило)

3{+1,п«)(х =>1 а)

•гНв+1>(лг=>1а)'

1 а)

Предикат П +п{Х,а) выполним, если:

1) я)(у =>2 а) для какого-либо у X;

2) а) ни для какого г а X, т.е. в объект X входят только подобъекты, являющиеся общими частями объектов, обладающих свойством а)

П~ (X, а) определяется двойственным образом.

Предикат И°„(Х,а) выполним, если:

1) =>2 а) для какого-либо у<^Х;

2) и)(г =>2 а) для какого-либо г с X. т.е. в объект X входят как подобъекты, являющиеся общими частями объектов, обладающих свойством а, так и цодобъекты, являющиеся общими частями объектов, не обладающих свойством а)

2.2 Обобщенный метод

В основе обобщенного ДСМ-метода лежит более детальное, чем у простого, представление о причинных механизмах. Предполагается, что причинно-следственная связь характеризуется тройкой <С, В, Е>, где С - причина, Е - следствие, а В -«тормозу, т.е. обстоятельства, которые мешают наступлению Е в условиях С. Кроме того в условиях С при отсутствии обстоятельств из В Е обязательно наступит. Перейдем к более формальному описанию, в котором будем отталкиваться от определений простого метода.

Итак, вместо предиката г =>2 А введем предикат Т(х, В, А), который выполним, когда фрагмент х является причиной наличия свойств из А, при отсутствии тормозов из В. Если А-{а}, будем писать Т(х, В, а) . Предположим, что множество свойств одноэлементно, тогда ДСМ-правияа первого рода принимают вид:

3{тп){Т{х,В,а)\ м;(х, В, 4 УВ^М" (х, В|,а) "-правило)

-"-правило)

0"-правило-1)

0"-правшо-2) т"-правило)

В,а)} ш;(х, В,а), УВ^М^х, Виа)

1(г> и) (Г(х, В, а)\ м; (х, В, а), ЭВ.М; (х, В, ,а) 1{0пИ)(Г(х,В,а))

3{г п){Т{х, В,а)), Ш+п(х, В ,а\ ЭВ1МИ (х, В „в) .ГМ)(7Хх, В,а)\ -пм;(х, В,а), пМ„(х, В,а)

Пусть X с и Б" = (/> 1350,.,5 е (а), о ^ = £ з .у}, тогда предикат а) к=О выполним, если:

1) |Х|>2;

2) у=Г\Х;

ХеХ

2) у*0;

3) В ~ тт(В ) ( т/п(Х) - выделяет из множества X все объекты минимальные в с с смысле вложения с).

Таким образом, предикат истинен, если подобъект у является общей частью как минимум двух (+)-объектов и множество В состоит из минимальных по вложению подобъектов, содержащих у и являющихся общей частью как минимум двух (-)-объектов. Двойственно определяется а) - пусть /с5„ (а) и к=0

В = {b\Зs0,.,sJ е. (а), г\ як = ¿> з у), тогда предикат выполним, если:

1) |Х|>2;

2) у=Г\Х;

3) у*0;

4) В=тт(В) с а) и (а) определяются так же, как в простом методе. ДСМ-правила второго рода: 4П +я(Х,а)ш "-правило)

-"-правило)

О"-правило) г"-правило)

4 П°и(Х,а)

Предикат П \п (X, а) выполним, если:

1) 3у а X такой, что В, а)) и для \/Ье В верно, что Ъ с2 X;

2) \/г с X такого, что а), верно, что 3Ъ' е 5'такое, что Ъ' а X т.е. объект X содержит подобъекты, являющиеся общими частями (+)-объектов и не содержит их «тормозов». Если X содержит подобъект, являющийся общей частью (-)-объектов, то он содержит и один из его «тормозов»), П~ (X, а) определяется двойственным образом. Предикат И'^Х.а) выполним, если:

1) 3усХ такой, что 3(+1п)(Т(у, В,а)) и для УЬ е В верно, что Ь&Х;

2) Зг с Xтакой, что В',а)) и для УЬ' е В' верно, что Ь' <£ X. т.е. объект X содержит как подобъекты, являющиеся общими частями (+)-объектов, так и подобъекты, являющиеся общими частями (-)-объектов, и не содержит их «тормозов»).

2.3 ДС]у1-прогноз

Выше мы рассмотрели работу простого и обобщенного методов поиска сходства в случае одноэлементного множества свойств. Многоэлементный случай подробно рассматривается в работах [16, 17, 18, 19]. Независимо от выбранного метода работа ДС|У!-системы будет выглядеть следующим образом (рис;. 1):

Рис. 1

Сначала, используя правила первого рода, формируется список фрагментов, ответственных за наличие исследуемого свойства ((+)-гипотезы) и за его отсутствие ((-)-гипотезы). В процессе могут использоваться различные критерии, сужающие множество получаемых гипотез. В частности, при использовании простого метода может б*>п> запрещено порождение (+)-гипотез, входящих в (-)-объекты, и (-)-гипотез, входящих в (+)-объекты (запрет на контрпример).

Затем, используя правила второго рода, осуществляется правдоподобный логический вывод, реализующий доопределение t-объектов на основании (+)- и (-)-гипотез, порожденных на первом этапе. В ходе доопределения некоторые объекты могут доопределяться как (+)-, так и (-)-гипотезами, т.е. они содержат фактическое противоречие. Такие объекты называются 0-объекты. В случае, если остались недоопределенные объекты, процесс может повторяться до стабилизации исходной выборки.

В конце на основании полученных гипотез система пробует объяснить начальное состояние «сходной выборки с возможным ее расширением, проверяя тем самым корректность своей работы.

Заключение диссертации по теме «Теоретические основы информатики», Путрин, Андрей Валерьевич

Основные результаты работы изложены в следующих публикациях:

1. Путрин A.B., Панкратова КС. Программная реализация интеллектуальных систем типа ДСМ для распознавания химической канцерогенности. // НТИ. Сер.2 1997. №3 С. 8-11.

2. Дьячков П.Н., Маневич С.И., Путрин A.B., Финн В.К Построение комбинированного варианта системы правдоподобных рассуждений типа ДОМ, учитывающей комбинаторные свойства молекул. // Сер.2 1997. №3 С. 12-17

3. Путрир A.B. Описание программной реализации ДСМ-систем для прогнозирования химической канцерогенности. // НТИ. Сер.2 1999. №12 С. 34-39.

4. Русакова С.М., Панкратова Е.С., Путрин A.B. Интеллектуальная система типа ДСМ для прогнозирования антипродуктивных свойств химических веществ. // VI Национальная конференция с у международным участием «Искусственный интеллект-98», том-2, С. 153-155

5. Путрин A.B. О реализации трехмерной визуализации в рамках ДСМ-системы прогнозирования свойств химических соединений // VI Международная конференция «Интеграция. Информационные технологии. Телекоммуникации», Москва, 1999, том-1, С. 24-25

6. Заключение

В настоящее время накоплено большое количество экспериментальных данных по воздействию химических веществ на "человека и животных. Сведения об экспериментах обобщены в ряде справочников и специализированных баз данных. Использование в этой области интеллектуальных систем- (ИНТС) обусловлено длительностью (около трех лет) и высокой стоимостью экспериментов на лабораторных животных:. Интеллектуальные системы способны, используя экспериментальные данные, осуществлять прогнозирование канцерогенности, мутагенности и токсичности химических соединений. Такой прогноз может быть реализован посредством ИНТС, основанных на ДСМ-методе автоматического порождения гипотез. В данной работе автор модифицировал процедур ДСМ-метода для исследований антипродуктивных свойств (канцерогенности, мутагенности и токсичности) многокомпонентных химических соединений и реализовал эти процедуры в виде программной системы. Особенностью предлагаемой модели является возможность ее применения также и для - прогноза свойств однокомпонентных соединений, что значительно расширяет область применения ИС. Т^сцм образом основными результатами работы являются:

1. Разработана и реализована "стандартная" программная оболочка для применения ДСМ-метода^автоматического порождения гипотез в таких областях, как химия и социология. Система использует унифицированный механизм хранения данных, что позволяет настраивать ее почти на любую из существующих на сегодняшний день СУБД (Oracle, MS Access и т.д.).

2. Задача прогнозирования антипродуктивных свойств многокомпонентных химических соединений сведена к классу задач решаемых ДСМ-методом.

3. Произведена модификация "стандартной" программной оболочки для проведения экспериментов по прогнозированию антипродуктивных свойств многокомпонентных и однокомпонентных химических соединений.

4. Разработана подсистема отображения химических соединений в трехмерном пространстве

5. Проведены эксперименты, подтверждающие целесообразность применения ДСМ-метода для прогнозирования канцерогенности, токсичности и мутагенности химических соединений.

Список литературы диссертационного исследования кандидат технических наук Путрин, Андрей Валерьевич, 2000 год

1. Gottinger H. W. HAZARD: An expert system for screening environments chemicals or carcinogenicity // Expert Syst. 1984. Vol. 1, N 2., c. 169-176

2. Lewis D.F., Joannides C., Parke D. V. A prospective toxicity evaluation (COMPACT) on 40 chemicals currently being tested by the National Toxicology Program // Mutagenesis. -1990. Vol. 5 - P. 433-435

3. Lewis D.F., Langley G.R A validation study of the COMPACT and HazardExpert technique with 40 chemicals, MutatTles 1996; 369(3-4): 157-74.

4. Enslein K., Gompar V.K., Blake B. W. Use of SAR in computer-assisted prediction of carcinogenicity and mutagenicity of chemicals by the TOPKAT program // Mutation Research. -1994

5. Klopman G., Rosenkranz H.S. Approaches to SAR in carcinogenesis and mutagenisis. Prediction of carcinogenicity and mutagenicity using MULTI-CASE. Mutation Research, 305, 1994, 33-61

6. Gini G.C., Katritzky A.R. Predictive Toxicology of Chemicals: Experiences and Impact of AI Tools, Papers from the 1999 AAAI Spring Symposium Technical Report SS-99-01, 152, 1999, 135-138

7. Миллъ Дж. С. Система логики силлогистической и индуктивной,- М.: Книжное дело, 19Q0-781 с.

8. Финн В.К. Правдоподобные выводы и правдоподобные рассуждения // Итоги науки ¡^ техники. Сер. Теория вероятностей. Математическая статистика. Теоретическая кибернетика. Т. 28. -М.: ВИНИТИ, 1988. с. 3-84

9. Фщш В.К, Правдоподобные рассуждения в интеллектуальных системах типа ДСМ// Итоги науки и техники. Сер. Информатика. Т. 15 -М.: ВИНИТИ, 1991,- с. 54-114.

10. Хазтювекгт К.П. Программные системы для баз знаний с неполной информацией, Диссертация защищена в ВИНИТИ, специальность 05.13.17, 1990

11. Х^ановскиц К.П., Финн В.К. Некоторые вопросы программного обеспечения для экспертных систем на основе ДСМ-метода автоматического порождения гипотез // НТИ. Сф. 2,- 1988,- № 1,- С. 12-16

12. Хазановский КП., Финн В.К. Некоторые аспекты построения инструментальных средств дда экспертных систем типа ДСМ // Семиотические аспекты формализации интеллектуальной деятельности: Тез. докл. школы-семинара, Боржоми, 1988 г. М., 1988,- С. ^59-163

13. Лейбов А.Е. Алгоритмические и программные средства поддержки преобразования данных для химически ориентированных систем типа ДСМ, Диссертация защищена в ВИНИТИ, специальность 05.13.17, 1995

14. Мельников ИМ. О новой версии СУБД для систем, основанных на знаниях//Итоги науки и техники.Сер. Информатика.-М.:ВИНИТИ, 1991.-Т.15.-С. 159169.

15. Панкратова Е.С. Разработка представлений данных, знаний и алгоритмических средств прогнозирования канцерогенности химических веществ, Диссертация защищена в ВИНИТИ, специальность 05.13.17, 1997

16. Финн В.К. Об обобщенном методе автоматического порождения гипотез // Семиотика и информатика 1989,- Вып. 29,- С. 93-123

17. Финн В.К. О машинно-ориентированной формализации правдоподобных рассуждений в стиле Ф. Бэкона Д. С. Милля // Семиотика и информатика,- 1983,-Вып. 20.пС. 35-101

18. Забежайло М.И. О способе восстановления одного класса эмпирических зависимостей в ДСМ-методе // Семиотические аспекты формализации интеллектуальной деятельности: Тез. докл. Школы семинара, г. Кутаиси, 1985 г.- М.: ВИНИТИ, 19&5-С. 136-140

19. Кузнецов С.О. Введение в ДСМ-метод // Семиотика и информатика.- 1990.-Вып. 31.-С. 5-40

20. Авидон В.В. Критерии сравнения химических структур и принципы построения информационного языка для информационно-логической системы по биологически активным соединениям. Химико-фармац. Журн., 1974, №8, С. 22-25

21. Avians E.J.,Simons А.-М. Design, of bioactive compounds. In: Topics in current chemistry (Berlin), 1974, vol 52, p. 1-61

22. Розенблат Ф.Б., Голендер B.E. Логико-комбинаторные методы в конструировании лекарств. -Рига: ЗИНАТНЕ, 1983. С. 20-23

23. Панкратова Е. С. Разработка представлений данных, знаний и алгоритмических средств црогнозирования каяцерогенности химических веществ, Диссертация защищена в ВИНИТИ, специальность 05.13.17, 1997

24. A/cos J.C., Woo J.-Т., Lai D.J. Database of Binary combination Effects of Chemical Carcinogens // Environ. Carcino Reviews. Part C. J.Environ. Sci.Hlth. 1989. - Vol. C6, №1. - 164.

25. Arcos J.C.,Woo J.-Т., Polansky G. Ranking of complex Chemical Mixtures for Potential Cancer HAZARD: Structure of Computerised System-An Outline /7 Environ. Sci. Hlth.-1989.- Vol.С7,N7.p129-144.

26. Ррджерсон Д. Основы€GM -Microsoft Press, 1997, 376 C.

27. ФаулерМ., Скотт К. UML в кратком изложении -М: Мир, 1999. 192 С.

28. Буч Г. Объектно-ориентированный -анализ и проектирование с примерами приложений на С++, -М, Бином, 1998, 558 С.