شبکه های عصبی مصنوعی در تحقیقات مرتبط با تحویل دارو و موضوعات دارویی Artificial Neural Network in Drug Delivery and Pharmaceutical Research
- نوع فایل : کتاب
- زبان : فارسی
- ناشر : Benthamopen
- چاپ و سال / کشور: 2013
توضیحات
رشته های مرتبط: مهندسی کامپیوتر، هوش مصنوعی و مهندسی الگوریتم ها و محاسبات
تکنولوژی های شبکه های عصبی مصنوعی (ANNها) ظرفیت های شناسایی شبکه های عصبی مغز را مدل سازی میکند. مشابه با نورون ها داخل مغز، شبکه های عصبی ورودی ها را از بسیاری از منابع خارجی دریافت کرده، آن ها را پردازش کرده و بر اساس آن ها تصمیم گیری میکنند. بسیار جالب است که بدانیم که ANN ها سیستم نورون های عصبی را شبیه سازی کرده و مقایسه های نورون های تطبیقی عصبی را انجام میدهد. این شبکه های مصنوعی نیازمند ساختار های صلب و آزمایشی نیستند و میتوانند توابع را تنها با استفاده از داده های پیش زمینه ای و یا داده های ناقص نیز نگاشت کنند که این موضوع موجب میشود این شبکه ها ابزار بسیار قوی برای شبیه سازی سیستم های مختلف غیر خطی باشند. این شبکه های عصبی مصنوعی در زمینه های مختلف کاربرد دارند، مانند زمینه های مهندسی، زمینه های تشخیص الگو، و مدل سازی. ANN ها در بسیاری از ابعاد داروسازی شامل مدل سازی شبکه های عصبی مغزی، تحلیل داده ها ، مدل سازی دارویی، ساختار پروتئین ها و عملکرد آن ها، بهینه سازی دوز دارو ها و تولید دارو، مدل سازی های شناسایی و تحویل دارو و تحقیقات دارویی نیز به صورت گسترده مورد استفاده قرار میگیرد. ۱٫ مقدمه در دهه ی گذشته، شبکه های عصبی مصنوعی توجه بسیار زیادی را از طرف دانشمندان و مهندسان دریافت کرده اند و به عنوان یکی از بزرگترین ابزار محاسباتی در این زمینه مورد استفاده قرار میگیرد. بسیاری از این توجه به این دلیل است که این شبکه ها میتوانند توانایی مغز انسان را شبیه سازی کنند تا فرآیند یادگیری را انجام دهند. این شبکه میتواند تصمیم گیری کرده و زمانی که در معرض اطلاعات ناقص قرار میگیرد نتیجه گیری مناسب انجام دهند. علاوه بر این، در بعضی از سطوح اولیه، شبکه های عصبی میتوانند روند های خلاقیت مغز انسان را برای تطبیق با شرایط جدید، تقلید کنند. این ابزار، یکی از بهترین روش ها برای محاسبات عددی و همچنین محاسبات غیر عددی میباشد. به صورت خاص، ANN ها یکی از ابزار قوی برای شبیه سازی سیستم های غیر خطی مختلف هستند و در بسیاری از روش ها و مسائل عددی با پیچیدگی زیاد، از این شبکه ها استفاده میشود، در زمینه هایی شامل مهندسی، روان شناسی، شیمی دارویی، تشخیص بیماری، و تحقیقات دارویی.
تکنولوژی های شبکه های عصبی مصنوعی (ANNها) ظرفیت های شناسایی شبکه های عصبی مغز را مدل سازی میکند. مشابه با نورون ها داخل مغز، شبکه های عصبی ورودی ها را از بسیاری از منابع خارجی دریافت کرده، آن ها را پردازش کرده و بر اساس آن ها تصمیم گیری میکنند. بسیار جالب است که بدانیم که ANN ها سیستم نورون های عصبی را شبیه سازی کرده و مقایسه های نورون های تطبیقی عصبی را انجام میدهد. این شبکه های مصنوعی نیازمند ساختار های صلب و آزمایشی نیستند و میتوانند توابع را تنها با استفاده از داده های پیش زمینه ای و یا داده های ناقص نیز نگاشت کنند که این موضوع موجب میشود این شبکه ها ابزار بسیار قوی برای شبیه سازی سیستم های مختلف غیر خطی باشند. این شبکه های عصبی مصنوعی در زمینه های مختلف کاربرد دارند، مانند زمینه های مهندسی، زمینه های تشخیص الگو، و مدل سازی. ANN ها در بسیاری از ابعاد داروسازی شامل مدل سازی شبکه های عصبی مغزی، تحلیل داده ها ، مدل سازی دارویی، ساختار پروتئین ها و عملکرد آن ها، بهینه سازی دوز دارو ها و تولید دارو، مدل سازی های شناسایی و تحویل دارو و تحقیقات دارویی نیز به صورت گسترده مورد استفاده قرار میگیرد. ۱٫ مقدمه در دهه ی گذشته، شبکه های عصبی مصنوعی توجه بسیار زیادی را از طرف دانشمندان و مهندسان دریافت کرده اند و به عنوان یکی از بزرگترین ابزار محاسباتی در این زمینه مورد استفاده قرار میگیرد. بسیاری از این توجه به این دلیل است که این شبکه ها میتوانند توانایی مغز انسان را شبیه سازی کنند تا فرآیند یادگیری را انجام دهند. این شبکه میتواند تصمیم گیری کرده و زمانی که در معرض اطلاعات ناقص قرار میگیرد نتیجه گیری مناسب انجام دهند. علاوه بر این، در بعضی از سطوح اولیه، شبکه های عصبی میتوانند روند های خلاقیت مغز انسان را برای تطبیق با شرایط جدید، تقلید کنند. این ابزار، یکی از بهترین روش ها برای محاسبات عددی و همچنین محاسبات غیر عددی میباشد. به صورت خاص، ANN ها یکی از ابزار قوی برای شبیه سازی سیستم های غیر خطی مختلف هستند و در بسیاری از روش ها و مسائل عددی با پیچیدگی زیاد، از این شبکه ها استفاده میشود، در زمینه هایی شامل مهندسی، روان شناسی، شیمی دارویی، تشخیص بیماری، و تحقیقات دارویی.
Description
Artificial neural networks (ANNs) technology models the pattern recognition capabilities of the neural networks of the brain. Similarly to a single neuron in the brain, artificial neuron unit receives inputs from many external sources, processes them, and makes decisions. Interestingly, ANN simulates the biological nervous system and draws on analogues of adaptive biological neurons. ANNs do not require rigidly structured experimental designs and can map functions using historical or incomplete data, which makes them a powerful tool for simulation of various non-linear systems.ANNs have many applications in various fields, including engineering, psychology, medicinal chemistry and pharmaceutical research. Because of their capacity for making predictions, pattern recognition, and modeling, ANNs have been very useful in many aspects of pharmaceutical research including modeling of the brain neural network, analytical data analysis, drug modeling, protein structure and function, dosage optimization and manufacturing, pharmacokinetics and pharmacodynamics modeling, and in vitro in vivo correlations. This review discusses the applications of ANNs in drug delivery and pharmacological research.
