Zur Seitenansicht
 

Titelaufnahme

Titel
Artificial intelligence in drug design: generative adversarial network for molecules generation / submitted by Isaac Lazzeri
AutorInnenLazzeri, Isaac
ErschienenLinz, 2018
Umfangxii, 90 Seiten : Illustrationen
HochschulschriftUniversität Linz, Masterarbeit, 2018
SpracheEnglisch
DokumenttypMasterarbeit
Schlagwörter (EN)Generative Adversarial Networks / GAN / Chemoinformatics / Deep Learning / Machine Learning / Drugs design / Neural networks
Schlagwörter (GND)Arzneimittelentwicklung / Künstliche Intelligenz / Maschinelles Lernen
URNurn:nbn:at:at-ubl:1-20991 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist gemäß den "Hinweisen für BenützerInnen" verfügbar
Dateien
Artificial intelligence in drug design: generative adversarial network for molecules generation [2.72 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Englisch)

Introduction and background: generation of new chemical compounds plays a key role in drug discovery, but in-silico methods based on hand-crafted rules can only cover a tiny part of the synthetically available chemical space. Therefore computational methods able to automatically extract rules from data are desirable. The aim of this work is to adapt Generative Adversarial Networks (GANs) to generate novel chemical compounds.

Zusammenfassung (Deutsch)

Einleitung und Hintergrund: die Entwicklung neuer chemischer Verbindungen spielt eine wichtige Rolle in der Arzneimittelentwicklung, aber in-silico Methoden, die auf handgemachten Regeln basieren, können nur einen kleinen Teil des synthetisierbaren chemischen Raums abdecken. Deshalb wären Berechnungsmethoden, die diese Regeln automatisch finden können, wünschenswert. Das Ziel dieser Masterarbeit ist es, Generative Adversarial Networks (GANs) für die Entwicklung neuer chemischer Verbindungen zu adaptieren.

Statistik
Das PDF-Dokument wurde 31 mal heruntergeladen.