Xarxes neuronals basades en grafs per a processos de screening molecular
Oms Font, Guiu
Lladós, Josep, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Títol variant:	Graph-based neuronal networks for molecular screening processes
Títol variant:	Redes neuronales basadas en grafos para procesos de screening molecular
Data:	2022
Resum:	El treball es planteja en el context de cerca de molècules candidates mitjançant metodologies de deep learning, per tal de trobar-ne alguna amb certa acció biològica requerida. Per això, s'han explorat xarxes neuronals basades en grafs (GNN) que prediguin les energies lliures d'interacció entre una molècula i una proteïna en impactar sobre la base de l'estructura química d'ambdues. S'han investigat diferents estratègies que optimitzin la precisió per obtenir el rànquing de candidats el més fiable possible. En particular, el problema ha estat aplicat a la recerca de medicaments (principis actius) que estan disponibles al mercat i que interaccionen amb alguna de les proteïnes seleccionades del SARS-CoV-2 com un exercici de drug repurposing aplicat a la Covid-19. La idea final és poder proveir al model una proteïna i un conjunt de molècules (medicaments), per seleccionar les que possiblement interaccionaran en funció de les prediccions fetes.
Resum:	This work has been developed in the context of the research of candidate molecules using deep learning methodologies, in order to find some with some biologically required action. Therefore, Graph-based Neural Networks (GNN) have been explored in order to predict the free energies of an interaction between a molecule and a protein when they impact on the basis of the chemical structure of both. Different strategies have been studied to optimize the accuracy in order to obtain the ranking of candidates as reliable as possible. In particular, the problem has been applied to the search of drugs (active principle) that are available on the market and interact with some of the selected proteins of SARS-CoV-2 as a drug repurposing exercise applied to Covid- 19. The final aim is to provide the model with a protein and a set of molecules (drugs), to select those that will possibly interact based on the predictions made.
Resum:	El trabajo se plantea en el contexto de búsqueda de moléculas candidatas mediante metodologías de deep learning, para encontrar alguna con cierta acción biológica requerida. Por eso, se han explorado redes neuronales basadas en grafos (GNN) que predigan las energías libres de interacción entre una molécula y una proteína al impactar sobre la base de la estructura química de ambas. Se han investigado distintas estrategias que optimicen la precisión para obtener el ranking de candidatos lo más fiable posible. En particular, el problema se ha aplicado a la búsqueda de medicamentos (principios activos) que están disponibles en el mercado y que interaccionan con alguna de las proteínas seleccionadas del SARS-CoV-2 como un ejercicio de drug repurposing aplicado a la Covid-19. La idea final es poder proveer al modelo una proteína y un conjunto de moléculas (medicamentos), para seleccionar las que posiblemente interaccionen en función de las predicciones hechas.
Drets:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.
Llengua:	Català
Titulació:	Enginyeria Informàtica [2502441]
Pla d'estudis:	Enginyeria Informàtica [958]
Document:	Treball final de grau ; Text
Àrea temàtica:	Menció Computació
Matèria:	GNN ; Intel·ligència artificial ; Aprenentatge profund ; Xarxes neuronals ; Drug repurposing ; Screening molecular ; Covid-19 ; Interacció molecular ; Binding pocket ; Binding affinity ; Inteligencia artificial ; Aprendizaje profundo ; Redes neuronales ; Interacción molecular ; Artificial intelligence ; Deep learning ; Neural networks ; Molecular screening ; Molecular interaction

15 p, 1.1 MB

El registre apareix a les col·leccions:
Documents de recerca > Treballs de Fi de Grau > Escola d'Enginyeria. TFG