30 апреля 2013

Взаимодействие с искусственным интеллектом всей системы

Сами испытательные операции, учитывающие лабильность связей между их элементами, ведут к необходимости широко использовать для выполнения операций роботов, способных к вариации операций на основании выработки оптимальных решений в ходе работы, к смене своей деятельности при модификации операций, к взаимодействию с искусственным интеллектом всей системы.

Идея роботизации системы — не фантазия, роботы широко вошли не только в промышленное производство, но и в лаборатории.

Преимущества применения роботов в физических и химических экспериментах показаны, например, в обзоре «Роботы в лаборатории», где описано применение трех коммерческих систем роботов в научных лабораториях, в том числе роботов, программируемых обучением или фиксированными программами через микроЭВМ или сочетанием программ автономного контроллера с программными возможностями любой ЭВМ, связанной с роботом через соответствующий интерфейс (Anal. Chem., 1983). Роботы Zymate (фирма «Zymark», США) осуществляют весь набор операций по подготовке проб, включая дозирование, фильтрование, экстракцию и т. п.

Пробы для анализаторов отбирают и другие роботы (см., например: Tanaka, 1984).

Таким образом, наличие в испытательной системе достаточно мощной подсистемы автоматического управления с искусственным интеллектом и роботизация системы — необходимые условия ее эффективного функционирования.

Применение ЭВМ в испытательной системе позволяет сформулировать ряд новых методологических подходов к проблеме биологических испытаний. Понятно, что биологическая активность ХС зависит от концентрации.

В каждом случае испытания представляют собой поиск оптимальной концентрации для проявления терапевтического действия или пороговой концентрации для токсического действия. Во многих случаях эти значения концентрации зависят от условий эксперимента (например, для большинства опытов in vitro от pH среды, температуры, ионной силы, общего состава среды, кинетических особенностей эксперимента и т. п.).

Таким образом, в подавляющем большинстве случаев экспериментатор имеет дело с экспериментом, многие факторы которого к тому же неконтролируемы, что приводит к заметным разбросам в результатах.

Какова должна быть оптимальная стратегия такого эксперимента? Ответ на этот вопрос позволяет найти математическая теория эксперимента, конкретно тот ее раздел, который в отечественной литературе получил название «планирование эксперимента». Как отмечает ведущий советский специалист в области планирования эксперимента В. В. Налимов в предисловии к книге Хикса (1967), планирование эксперимента позволяет резко уменьшить число экспериментов при поиске оптимума действия какого-либо фактора и получить параметры, интересующие исследователя, со значительно меньшей ошибкой, чем при традиционных методах исследования, а также создать стандартные формы представления материала.

«Наши наблюдения, — пишет В. В. Налимов, — показывают, что в некоторых очень сложных многофакторных задачах исследователь, пользуясь новыми методами, может за два-три месяца получить результаты лучше тех, которые были получены традиционными методами в других коллективах в течение двухлетней работы» (с. 5).

Теория подобной стратегии эксперимента подробно изложена в литературе (см., например: Хикс, 1967; Финни, 1970; Налимов, 1971; Адлер и др., 1971). Для АСК использование подобных подходов является одним из ключевых направлений.


«Биологически активные вещества»,
Г.М.Баренбойм, А.Г.Маленков





Все тестируемые ХС проходят регистрацию и определение степени новизны, а также прогностическое установление типа потенциальной биологической (фармакологической) активности расчетными методами структурно-информационного анализа. На этом основании для веществ с невысокими значениями Q, L и М определяется та выборка тестов, через которую они должны пройти. В ряде случаев эта выборка определяется по формализованным правилам, в большинстве случаев…

В итоговом документе («Биологический паспорт»), который формируется по итогам классификации данного ХС в автоматизированной системе, излагаются цели испытаний, а также следующие сведения о тестированном ХС: исходная информация о ХС (структурная и брутто-формула, физико-химические характеристики, организация-производитель, исходное назначение); номер регистрации; степень подлинности (соответствие структур, чистота); результаты испытаний с использованием расчетных методов; оценка биологической активности и токсичных…

Можно представить схему, изображенную на рисунке ниже, в более сжатой конспективной форме, развернув все события вдоль оси времени. Смотрите рисунок — Генеральная конфигурация системы классификации ХС Такая линейная развертка событий представлена на рисунке ниже, а комментарий к ней содержится в таблице, которую можно рассматривать как расширенную подпись к этому рисунку. Смотрите рисунок — Последовательность основных…

Вся работа системы проводится в интерактивном режиме: специфика работы с биологическим тест-объектом такова, что весьма высока вероятность его отклонения от стандарта в процессе подготовки эксперимента, резкого изменения его состояния или даже гибели в процессе эксперимента и т. д. Возможны ситуации, когда результаты тестирования ХС по одной методике могут привести к изменению всего порядка последующих испытаний…

Карта информационной биотехнологии и технических средств (часть 6)

Блок 9. классификация ХС по ихспособности сенсибилизировать биологические объекты к действию Функциональное назначение Определить изменение чувствительности биологических объектов при действии на них ХС по отношению к стандартному физическому фактору (нагревание, световое облучение и другие факторы в зависимости от задачи). Знание таких характеристик позволяет: 1) прогнозировать результат комбинированного действия ХС и физфактора; 2) выявить действие ХС,…