الفهرس 
Table of ContentsOnly 14 pages are availabe for public view
 |  | from | 133 |  |  |
| | | from | 133 | | |
Abstract
يعتبر نقص فعالية الدواء ووجود أعراض جانبية شديده كالسمية من الجرعة في المقدمة من بين الأسباب المختلفة لفشل إنتاج العقاقير. وبالتالي ، فليس من المستغرب أن تكون معظم شركات الأدوية الكبرى قد خصصت على الأقل بعض الموارد لتحسين التنبؤات بسمية الأدوية عن طريق تطوير وتقييم وتطبيق مجموعة متنوعة من الأدوات الحسابية. يمكن أن تكون خوارزميات الكمبيوتر مفيدة أيضًا للتنبؤ بفشل المنتج. تاريخياً، تتمتع صناعة المستحضرات الصيدلانية بسجل حافل بالفشل أومعدل الاستنزاف وهو أكثر فلكية مقارنةً به. تفشل أكثر من 90٪ من ”مقترحات الأدويه” في الصناعة للعديد من الأسباب. إذا تمكنت الصناعة من تحسين تحليلها للفشل بحيث يمكنها التنبؤ بـ 10٪ فقط من حالات الفشل المحتملة وتجنبها ، فيمكنها تحقيق توفير كبير في تكاليف إنتاج الأدوية. تقدم هذه الرسالة تعزيزًا للتنبؤ بالسمية عن طريق تصنيف المركبات الكيميائية باستخدام خوارزميات الجهاز المناعي الاصطناعي AIRS. كان جوهر هذا البحث هو التركيز على بناء تطبيق تصنيف مع الأداء الأمثل. استند هذا التطور إلى: الجمع بين ثلاثة أنواع مختلفة من أنظمة التعرف المناعي الاصطناعي في نموذج هجين واستكشاف إمكانية استخدام تقنيات PSO لتحسين أداء النموذج. أخيرًا، تم إختبار النموذج المقترح على مجموعات من تركيبات الأدويه لتصنيفها على أساس احتمال تسببها فى تسمم للمرضى وتم الحصول على نسب نجاح للنموذج المقترح ك 88% للدقه، 92% للحساسيه و83% للفاعليه.