ИСТИНА

Цель работы – разработка новых математических подходов, алгоритмов и создание на их основе программного обеспечения для прогнозирования свойств супрамолекулярных систем с использованием оригинальной концепции непрерывных молекулярных полей в рамках статистического анализа функциональных данных с помощью ядерных методов машинного обучения. Разрабатываемые подходы являются дальнейшим развитием предложенной нами ранее концепции непрерывных молекулярных полей, суть которой заключается в использовании в статистическом анализе описаний молекулярных объектов в виде непрерывных функций от пространственных координат, что достигается путем конструирования специальных ядерных функций в Гильбертовом пространстве. В рамках данного проекта разрабатываемая методология будет впервые распространена на прогнозирование свойств супрамолекулярных систем, что является новым подходом в разработке фундаментальной проблемы молекулярного распознавания. Будут исследованы комплексы катионов металлов с полидентатными лигандами, соединения «гость-хозяин», «лиганд-макромолекула», металлокомплексные катализаторы для целей гомогенного катализа. Выбор конкретных химических объектов исследования обусловлен практической значимостью связанных с ними задач. De novo дизайн селективных донорных лигандов для разделения радионуклидов – одна из самых сложных и важных задач в атомной энергетике и радиофармакологии, такие лиганды необходимы для создания аналитических сенсоров и новых материалов с особыми фотофизическими свойствами. Моделирование комплексов «лиганд-макромолекула» и «гость-хозяин» является ключевой задачей при разработке новых лекарств и средств их транспорта. Успешное решение этих задач, кроме развития новых математических подходов в хемоинформатике, имеет большое практическое значение для таких прикладных областей как добывающая промышленность, ядерная энергетика и фармакология. Это потребует разработки в рамках данного гранта новых типов молекулярных полей и их методов описания, новых типов ядерных функций и методов их вычислений, а также новых подходов к их сочетанию с ядерными методами машинного обучения. Все разработанное программное обеспечение будет оформлено в виде пакетов, работающих в рамках системы статистического анализа данных R, доступных широкому кругу пользователей.