A computational method for the discovery and design of therapeutically valuable bioactive compounds is presented. The method employed has successfully analyzed enzymatic inhibitors for their chemical properties through the use of a neural network and associated algorithms. This method is an improvement over the current methods of drug discovery which often employs a random search through a large library of synthesized chemical compounds or biological samples for bioactivity related to a specific therapeutic use. This time-consuming process is the most expensive portion of current drug discovery methods. The development of computational methods for the prediction of specific molecular activity will facilitate the design of novel chemotherapeutics or other chemically useful compounds. The novel neural network provided in the current invention is "trained" with the bioactivity of known compounds and then used to predict the bioactivity of unknown compounds.

Μια υπολογιστική μέθοδος για την ανακάλυψη και το σχέδιο των θεραπευτικά πολύτιμων βιοενεργών ενώσεων παρουσιάζεται. Η μέθοδος που υιοθετείται έχει αναλύσει επιτυχώς τους ενζυματικούς ανασταλτικούς παράγοντες για τις χημικές ιδιότητές τους μέσω της χρήσης ενός νευρικού δικτύου και σχετικών αλγορίθμων. Αυτή η μέθοδος είναι μια βελτίωση πέρα από τις τρέχουσες μεθόδους ανακάλυψης φαρμάκων που υιοθετεί συχνά μια τυχαία αναζήτηση μέσω μιας μεγάλης βιβλιοθήκης των συντεθειμένων χημικών ενώσεων ή των βιολογικών δειγμάτων της βιοδραστικότητας σχετικής με μια συγκεκριμένη θεραπευτική χρήση. Αυτή η χρονοβόρα διαδικασία είναι η ακριβότερη μερίδα των τρεχουσών μεθόδων ανακαλύψεων φαρμάκων. Η ανάπτυξη των υπολογιστικών μεθόδων για την πρόβλεψη της συγκεκριμένης μοριακής δραστηριότητας θα διευκολύνει το σχέδιο νέο chemotherapeutics ή άλλων χημικά χρήσιμων ενώσεων. Το νέο νευρικό δίκτυο που παρέχεται στην τρέχουσα εφεύρεση "εκπαιδεύεται" με τη βιοδραστικότητα των γνωστών ενώσεων και χρησιμοποιείται έπειτα για να προβλέψει τη βιοδραστικότητα των άγνωστων ενώσεων.