Top

Published in:

2024 | OriginalPaper | Chapter

Von der Natur inspirierte Rechentechniken zur Entwicklung von Medikamenten und Therapeutika

Authors : Sarra Akermi, Abira Dey, Nicholas Franciss Lee, Ruoya Lee, Nathalie Larzat, Jean Bernard Idoipe, Ritushree Biswas, Jasbir Kaur Simak, Suparna Dey, Subrata Sinha, Surabhi Johari, Chandramohan Jana, Anshul Nigam, Sunil Jayant, Ahmet Kati, Ashwani Sharma

Published in: Von der Natur inspirierte intelligente Datenverarbeitungstechniken in der Bioinformatik

Publisher: Springer Nature Singapore

Activate our intelligent search to find suitable subject content or patents.

search-config

AI-assisted search

Off

Zusammenfassung

Die Arzneimittelentwicklung ist ein langer Prozess, der viel Zeit und Geld in Anspruch nimmt. Der Prozess gliedert sich in verschiedene Stufen, wobei der wichtigste Schritt darin besteht, die Sicherheit und Wirksamkeit der Arzneimittel zu bewerten, nachdem die besten Leitverbindungen gefunden wurden. Es wurden mehrere In-vitro-Methoden entwickelt, um die Toxizität der Arzneimittel während der präklinischen Screening-Phase zu bewerten; jedoch sind diese Tests sehr teuer und kostspielig. Die Sicherheitsbewertung der Arzneimittel ist jedoch sehr wichtig, um eine sehr genaue und präzise therapeutische Anwendung zu entwickeln. Daher ist es notwendig, neue alternative Methoden wie computergestützte Methoden für das Hochdurchsatz-Arzneimitteldesign und die Entwicklung für sehr präzise und effektive therapeutische Anwendungen zu entwerfen. Die Entwicklung von hochentwickelten, von der Natur inspirierten intelligenten computergestützten Technologien (NIC) wie Partikelschwarmoptimierung (PSO), Ameisenkolonieoptimierung (ACO), DNA-Computing in Verbindung mit künstlichen Immunsystemen und maschinellem Lernen hilft bei der genauen Arzneimittelentwicklung, der Verarbeitung großer Datenmengen, der Integration großer Daten für die Entwicklung von Vorhersagemodellen, der krankheitsbasierten Bildverarbeitung zur Bewertung der Vor- und Nachwirkungen von Arzneimitteln auf biologische Systeme usw. In diesem Kapitel geben wir einen tiefen Einblick in die Nutzung von naturinspirierten intelligenten computerbasierten Technologien in der Arzneimittelentwicklung und -therapie.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

previous chapter Bedeutende Innovationen in naturinspirierten intelligenten Computertechniken zur Identifizierung von Biomarkern und potenziellen therapeutischen Mitteln

next chapter Beispielhafte Implikationen von naturinspirierten Berechnungsmethoden auf Therapeutika und computergestützte Arzneimittelentwicklung

Agbehadji IE, Awuzie BO, Ngowi AB, Millham RC (2020) Review of big data analytics, artificial intelligence and nature-inspired computing models towards accurate detection of COVID-19 pandemic cases and contact tracing. Int J Environ Res Public Health 17(15):5330. https://doi.org/10.3390/ijerph17155330

Bader J, Zitzler E (2011) HypE: an algorithm for fast hypervolume-based many-objective optimization. Evol Comput 19(1):45–76. https://doi.org/10.1162/evco_a_00009

Bhattacharjee K, Bhattacharya A, Dey SH (2014a) Real coded chemical reaction based optimization for short-term hydrothermal scheduling. Appl Soft Comput 24:962–976. https://doi.org/10.1016/j.asoc.2014.08.048

Bhattacharjee K, Bhattacharya A, Dey SH (2014b) Oppositional real coded chemical reaction based optimization to solve short-term hydrothermal scheduling problems. Int J Electr Power Energy Syst 63:145–157. https://doi.org/10.1016/j.ijepes.2014.05.065

Bolourchi AA, Masri S, Aldraihem O (2015) Studies into computational intelligence and evolutionary approaches for model-free identification of hysteretic systems. Comput Aided Civil Infrastruct Eng 30(5):330–346. https://doi.org/10.1111/mice.12126

Brückner R, Ckner RB (2004) Reaktionsmechanismen: Organische Reaktionen, Stereochemie, Moderne Synthesemethoden (in German), 3rd Aufl. Spektrum Akademischer Verlag

Buche D, Schraudolph NN, Koumoutsakos P (2005) Accelerating evolutionary algorithms with Gaussian process fitness function models. IEEE Trans Syst Man Cybern Part C (Appl Rev) 35(2):183–194. https://doi.org/10.1109/TSMCC.2004.841917

Corne D, Jerram N, Knowles J, Oates M (2001) PESA-II: region-based selection in evolutionary multiobjective optimization. In: Proceedings of 6th international conference parallel problem solving from nature PPSN-VI.

Deb K, Pratap A, Agarwal S, Meyarivan T (2002) A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Trans Evol Comput 6(2):182–197. https://doi.org/10.1109/4235.996017

Denoeux T (1995) A k-nearest neighbor classification rule based on Dempster-Shafer theory. IEEE Trans Syst Man Cybern 25(5):804–813. https://doi.org/10.1109/21.376493

Elghamrawy SM, Hassanien AE (2020) Diagnosis and prediction model for COVID19 patients response to treatment basedon convolutional neural networks and whale optimization algorithm using CT images. MedRxiv, 1–23. https://doi.org/10.1101/2020.04.16.20063990

Gonzalez AI, Grana M, D’Anjou A (1995) An analysis of the GLVQ algorithm. IEEE Trans Neural Netw 6(4):1012–1016. https://doi.org/10.1109/72.392266

Heidari AA, Mirjalili S, Faris H, Aljarah I, Mafarja M, Chen H (2019) Harris hawks optimization: algorithm and applications. Future Gener Comput Syst 97:849–872. https://doi.org/10.1016/j.future.2019.02.028

Ho S-J, Ho S-Y, Shu L-S (2004) OSA: orthogonal simulated annealing algorithm and its application to designing mixed optimal controllers. IEEE Trans Syst Man Cybern Part A Syst Hum 34(5):588–600. https://doi.org/10.1109/TSMCA.2004.832834

Huang G-B, Zhu Q-Y, Siew C-K (2006) Extreme learning machine: theory and applications. Neurocomputing 70(1–3):489–501. https://doi.org/10.1016/j.neucom.2005.12.126

Jung J, Jayakrishnan R, Park JY (2016) Dynamic shared-taxi dispatch algorithm with hybrid simulated annealing. Comput Aided Civil Infrastruct Eng 31(4):275–291. https://doi.org/10.1111/mice.12157

Keeling MJ, Hollingsworth TD, Read JM (2020) Efficacy of contact tracing for the containment of the 2019 novel coronavirus (COVID-19). J Epidemiol Community Health 74(10):861–866. https://doi.org/10.1136/jech-2020-214051

Lam AYS, Li VOK (2010) Chemical-reaction-inspired meta-heuristic for optimization. IEEE Trans Evol Comput 14(3):381–399. https://doi.org/10.1109/TEVC.2009.2033580

Lam AYS, Li VOK, Yu JJQ (2012) Real-coded chemical reaction optimization. IEEE Trans Evol Comput 16(3):339–353. https://doi.org/10.1109/TEVC.2011.2161091

Leung MK, Xiong HY, Lee LJ, Frey BJ (2014) Deep learning of the tissue-regulated splicing code. Bioinformatics (oxford, England) 30(12):i121–i129. https://doi.org/10.1093/bioinformatics/btu277

Lin DY, Ku YH (2013) Using genetic algorithms to optimize stopping patterns for passenger rail transportation. Comput Aided Civil Infrastruct Eng 29(4):264–278. https://doi.org/10.1111/mice.12020

Longbottom C, Bamforth R (2013) Optimising the data warehouse: dealing with large volumes of mixed data to givebetter business insights. Quocirca: Maidenhead

Mohamed AH, Najafabadi MK, Yap BW, Kamaru-Zaman EA, Maskat R (2019) The state of the art and taxonomy of big data analytics: view from new big data framework. Artif Intell Rev 53:989–1037

Montgomery DC (2008) Design and analysis of experiments. Wiley

Moore J, Chapman R, Dozier G (2000) Multiobjective particle swarm optimization. In: Proceedings of the 38th annual on southeast regional conference, Clemson, South Carolina. ACM Press the 38th annual, S 56–57

Moustakidis S, Mallinis G, Koutsias N, Theocharis JB, Petridis V (2012) SVM-based fuzzy decision trees for classification of high spatial resolution remote sensing images. IEEE Trans Geosci Remote Sens 50(1):149–169. https://doi.org/10.1109/TGRS.2011.2159726

Pallez D, Gardès J, Pasquier C (2017) Prediction of miRNA-disease associations using an evolutionary tuned latent semantic analysis. Sci Rep 7(1):10548. https://doi.org/10.1038/s41598-017-10065-y

Pasquier C, Gardès J (2016) Prediction of miRNA-disease associations with a vector space model. Sci Rep 6(1):27036. https://doi.org/10.1038/srep27036

Pervaiz S, Ul-Qayyum Z, Bangyal WH, Gao L, Ahmad J (2021) A systematic literature review on particle swarm optimization techniques for medical diseases detection. Comput Math Methods Med 2021:5990999. https://doi.org/10.1155/2021/5990999

Qin L, Sun Q, Wang Y, Wu KF, Chen M, Shia BC, Wu SY (2020) Prediction of number of cases of 2019 novel coronavirus (COVID-19) using social media search index. Int J Environ Res Public Health 17(7):2365. https://doi.org/10.3390/ijerph17072365

Rahmatizadeh S, Valizadeh-Haghi S, Dabbagh A (2020) The role of artificial intelligence in management of critical COVID-19 patients. J Cell Mol Anesth 5:16–22. https://doi.org/10.22037/jcma.v5i1.29752

Reyes O, Morell C, Ventura S (2014) Evolutionary feature weighting to improve the performance of multi-label lazy algorithms. Integr Comput Aided Eng 21(4):339–354. https://doi.org/10.3233/ICA-140468

Rojas R (2009) AdaBoost and the super bowl of classifiers a tutorial introduction to adaptive boosting

Salah K, Rehman HU, Nizamuddin N, Al-Faquha A (2019) Blockchain for AI: review and open research challenges. IEEE Access 7:10127–10149. https://doi.org/10.1109/ACCESS.2018.2890507

Siddique N, Adeli H (2017) Nature-inspired chemical reaction optimisation algorithms. Cogn Comput 9(4):411–422. https://doi.org/10.1007/s12559-017-9485-1

Sikdar UK, Ekbal A, Saha S (2015) MODE: multiobjective differential evolution for feature selection and classifier ensemble. Soft Comput 19(12):3529–3549. https://doi.org/10.1007/s00500-014-1565-5

Suamanda IN, Wibisono IS (2020) Particle swarm optimization for improved accuracy of disease diagnosis. J Appl Intell Syst 5(2):57–68. https://doi.org/10.33633/JAIS.V5I2.4242

Tam A (2021) A gentle introduction to particle swarm optimization. Machine Learning Mastery. https://machinelearningmastery.com/a-gentle-introduction-to-particle-swarm-optimization/

Tizhoosh HR (2005) Opposition-based learning: a new scheme for machine intelligence. In: International conference on computational intelligence for modelling, control and automation and international conference on intelligent agents, web technologies and internet commerce (CIMCA-IAWTIC’06), S 695–701. https://doi.org/10.1109/CIMCA.2005.1631345

Wang D, Tan D, Liu L (2017) Particle swarm optimization algorithm: an overview. Soft Comput 22(2):387–408. https://doi.org/10.1007/s00500-016-2474-6

Wang Y, Liu B, Ma Z, Wong KC, Li X (2019) Nature-inspired multiobjective cancer subtype diagnosis. IEEE J Trans Eng Health Med 7:4300112. https://doi.org/10.1109/JTEHM.2019.2891746

Xie B-H, He X, Hua R-X, Zhang B, Tan G-S, Xiong S-Q, Liu L-S, Chen W, Yang J-Y, Wang X-N, Li H-P (2016) Mir-765 promotes cell proliferation by downregulating INPP4B expression in human hepatocellular carcinoma. Cancer Biomark 16(3):405–413. https://doi.org/10.3233/CBM-160579

Xue B, Zhang M, Browne WN, & Yao X (2016) A survey on evolutionary computation approaches to feature selection. IEEE Trans Evol Comput 20(4):606–626. https://doi.org/10.1109/TEVC.2015.2504420

Yang X-S, Deb S (2009) Cuckoo Search via Lévy flights. In: 2009 World Congress on Nature & Biologically Inspired Computing (NaBIC), S 210–214. https://doi.org/10.1109/NABIC.2009.5393690

Yang S, Li M, Liu X, Zheng J (2013) A grid-based evolutionary algorithm for many-objective optimization. IEEE Trans Evol Comput 17(5):721–736. https://doi.org/10.1109/TEVC.2012.2227145

Yu JJQ, Lam A, Li V (2011) Evolutionary artificial neural network based on chemical reaction optimization. In 2011 IEEE congress of evolutionary computation, CEC 2011, S 2083–2090.https://doi.org/10.1109/CEC.2011.5949872

Yu JJQ, Lam AYS, Li VOK (2015) Adaptive chemical reaction optimization for global optimisation. In 2015 IEEE congress on evolutionary computation, S 3192–3199

Zhao L, Ni X, Zhao L, Zhang Y, Jin D, Yin W, Wang D, Zhang W (2018) MiroRNA-188 acts as tumor suppressor in non-small-cell lung cancer by targeting MAP3K3. Mol Pharm 15(4):1682–1689. https://doi.org/10.1021/acs.molpharmaceut.8b00071

Title: Von der Natur inspirierte Rechentechniken zur Entwicklung von Medikamenten und Therapeutika
Authors: Sarra Akermi
Abira Dey
Nicholas Franciss Lee
Ruoya Lee
Nathalie Larzat
Jean Bernard Idoipe
Ritushree Biswas
Jasbir Kaur Simak
Suparna Dey
Subrata Sinha
Surabhi Johari
Chandramohan Jana
Anshul Nigam
Sunil Jayant
Ahmet Kati
Ashwani Sharma
Publisher: Springer Nature Singapore
Book: Von der Natur inspirierte intelligente Datenverarbeitungstechniken in der Bioinformatik
Print ISBN: 978-981-9978-07-6

Electronic ISBN: 978-981-9978-08-3

Copyright Year: 2024
DOI: https://doi.org/10.1007/978-981-99-7808-3_14

Springer Professional

Zusammenfassung

Please log in to get access to your license.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner