Пошук академічних текстів

Інформація × Реєстраційний номер 0224U033460, (0124U001308) , Науково-дослідна робота Назва роботи Розробити інтегрований підхід до високопродуктивного моделювання протеїнових комплексів, структурно-функціональних взаємозв’язків протеїнів, та прогнозування фенотипних ефектів варіації однієї амінокислоти на основі кінетичних аспектів поєднання протеїнів у клітинному середовищі Назва етапу роботи Розробити інтегрований підхід до високопродуктивного моделювання протеїнових комплексів, структурно-функціональних взаємозв’язків протеїнів, та прогнозування фенотипних ефектів варіації однієї амінокислоти на основі кінетичних аспектів поєднання протеїнів у клітинному середовищі Керівник роботи Касьянов Павло Олегович, д.ф.-м.н. Дата реєстрації 27-12-2024 Організація виконавець Навчально-науковий комплекс "Інститут прикладного системного аналізу" Національного технічного університету України "Київський політехнічний інститут імені Ігоря Сікорського" Опис роботи Застосувати високопродуктивні обчислення та машинне навчання для розробки інтегрованого підходу до моделювання макромолекулярних взаємодій для прогнозування кінетичних аспектів і моделей молекулярної механіки в клітинному середовищі. Опис етапу  Об'єкт досліджень -- моделі протеїнових комплексів. Мета роботи -- застосувати високопродуктивні обчислення та машинне навчання для розробки інтегрованого підходу до моделювання макромолекулярних взаємодій для прогнозування кінетичних аспектів і моделей молекулярної механіки в клітинному середовищі. Метод дослідження -- глибоке навчання, методи штучного інтелекту. В ході дослідження проведено експертизу в галузі високопродуктивних обчислень та машинного навчання, зокрема в їх застосуванні до розробки інтегрованого підходу до високопродуктивного моделювання макромолекулярних взаємодій для прогнозування кінетичних аспектів та схем збірки молекулярних механізмів у клітинному середовищі. Розроблено новітні обчислювальні підходи до структурної характеризації білкових комплексів при реалістичних макромолекулярних концентраціях, з урахуванням останніх досягнень у застосуванні штучного інтелекту та глибокого навчання для прогнозування структури білків і білкових асамблей. Представлено ідею для подальшої оптимізації обчислень. Результати досліджень, одержані при виконанні наукової роботи, впроваджені в низку навчальних курсів: "Навчання з підкріпленням". В рамках виконання проекту підготовлено до захисту 1 дисертацію PhD. Готується до опублікування 1 стаття у виданні, що індексується у БД Scopus та WoS. Результати, отримані в ході виконання НДР відповідають світовому рівню, вони є новими потужними обчислювальними підходами, що дозволять здійснювати характеристику клітинних механізмів з атомарною точністю на основі надзвичайно довгих симуляційних траєкторій, що наразі значно перевищують можливості існуючих обчислювальних методів. Ключові слова: глибоке навчання, молекулярна динаміка, розпаралелювання процесів, машинне навчання. Опис продукції Автори роботи Левенчук Людмила Борисівна Палійчук Лілія Сергіївна Титаренко Андрій Миколайович Додано в НРАТ 2024-12-27 Закрити