Влияние количества молекулярных конформаций для прогнозирования токсичности

Выполнил: Грузинцев Егор Алексеевич

Цель работы – исследование влияния числа конформаций молекулы на качество прогнозирования токсичности с использованием методов машинного обучения, в том числе графовых нейронных сетей.

В работе рассматриваются современные подходы к прогнозированию токсичности, включая QSAR-модели и графовые нейронные сети. Особое внимание уделяется проблеме представления молекулы, в частности ограничению, связанному с использованием одной фиксированной конформации. Показано, что такое упрощение не отражает реальную физическую природу молекул, которые в действительности существуют как ансамбль пространственных состояний.

Для проведения исследования использован датасет, содержащий более 30 000 молекул с известными значениями токсичности (LD50). Для каждой молекулы были сгенерированы конформационные ансамбли с использованием методов молекулярной динамики при различных температурах. Рассматривались различные подходы к выбору подмножества конформаций, включая случайную выборку, а также методы кластеризации на основе RMSD и 3D дескрипторов. В рамках работы были реализованы и исследованы модели машинного обучения, включая классический QSAR-подход (CatBoost) и современные 3D графовые нейронные сети (SchNet, DimeNet++, ComENet). Проведено систематическое сравнение качества моделей при варьировании числа конформаций, используемых для представления каждой молекулы.