Előadó: Dr. Péter Antal, egyetemi docens (Budapesti Műszaki és Gazdaságtudományi Egyetem, Villamosmérnöki és Informatikai Kar, Méréstechnika és Információs Rendszerek Tanszék)

Összefoglaló:
A nyilvánosan elérhető adatok mennyiségének gyarapodása és a mesterséges intelligencia módszereinek utóbbi évtizedben bekövetkezett fejlődése miatt a gyógyszerkutatás több fázisában is megjelentek, mint például (1) mély neurális hálózatok a fehérjék strukturális predikciójában, (2) generatív valószínűségi modellek új hatóanyagjelöltek ajánlásában, (3) több feladatos gépi tanulási modellek a hatóanyagjelöltek fizikai, kémiai, biokativitási és farmakológiai tulajdonságainak együttes predikciójában, (4) reprezentáció tanulási módszerek a fajközi és természetes hatóanyagokra való kiterjesztésben, (5) fúziós módszerek a gyógyszer repozícionálásban, (6) megerősítéses tanulási módszerek akár egy komplex, szekvenciális kísérleti elrendezés optimális tervezésében, illetve (7) federált tanulási módszerek pedig az adatok védettségének megtartása mellett biztosítják az elosztott, több partnerhez tartozó adatoknak az együttes elemzést. Ezen új módszerek és alkalmazásuk bemutatása mellett az előadásban egy új, átfogó elemzés eredményeit is ismerteti az előadó a nyilvános bioaktivitási adathalmazok elégségességéről és korlátairól.

szervezi: SZAB Kémiai Szb.

kapcsolattartó: Dr. Galbács Gábor, a Szb. elnöke - e-mail: galbx@chem.u-szeged.hu