Askar Boranbayev

Computational drug discovery relies on virtual screening to prioritize a small number of compounds for experimental testing, yet combining heterogeneous in silico scoring methods into a single robust ranking remains challenging. We present Calibrated Weighted Rank Aggregation (CWRA), a data-driven rank-optimized score-fusion framework that (a) direction-corrects modality outputs, (b) harmonizes them via per-modality normalization, and (c) learns nonnegative fusion weights from known actives by optimizing a rank-based early-recognition objective (Boltzmann-enhanced discrimination of receiver operating characteristic [BEDROC]) under simplex constraints. Applied to the vitamin D receptor (VDR), we fuse machine-learning affinity predictors (GraphDTA endpoints, MLT-LE, TankBind, DrugBAN, and MolTrans), structure-based scores (AutoDock Vina and Boltz-2 affinity and confidence), and ligand similarity (Uni-Mol; computed in a split-honest manner by recomputing the active-set centroid on the training splits). Across 5 repeated random splits over the P = 503 known VDR binders, evaluated on the drug-likeness prefiltered pool of N ′ = 14 , 902 compounds, CWRA achieves strong early enrichment on held-out actives ( EF @ 1 % = 21.32 ± 6.41 , corresponding to 16 ± 5 recovered binders within the top 1% of the ranked list), substantially outperforming equal-weight fusion ( EF @ 1 % = 10.79 ± 2.81 ) and the strongest single modality (GraphDTA IC ₅₀ ; EF @ 1 % = 16.32 ± 3.96 ). Performance remains strong at broader cutoffs ( EF @ 2.5 % = 14.13 ± 2.34 , EF @ 5 % = 9.47 ± 0.60 , and EF @ 10 % = 7.13 ± 0.72 ), indicating that BEDROC-optimized fusion of normalized scores improves both early prioritization and moderate-depth screening. To assess generalization beyond VDR, we further applied CWRA to the mechanistically distinct γ-aminobutyric acid type A (GABA _A ) receptor. Target-specific calibration again improved very early enrichment ( EF @ 1 % = 25.41 ± 3.96 ) over both equal-weight fusion ( EF @ 1 % = 17.47 ± 6.17 ) and the best individual modality at this cutoff (Boltz-2 confidence; EF @ 1 % = 11.64 ± 2.12 ). Strict cross-target source-model transfer between VDR and GABA _A was weaker than target-specific recalibration, indicating that CWRA should be interpreted as a transferable target-adaptive framework rather than a universal fixed-weight model. A qualitative review of the top-ranked generated candidates suggests that CWRA preferentially selects chemically coherent VDR-like chemotypes, recapitulating established VDR pharmacophore patterns without imposing handcrafted structural rules.

Input–output analysis finds widespread application in estimating the shock effects on production networks within both local and global economies. We are developing a new technology for intersectoral analysis that takes into account the substitution of production factors within a complex supply network triggered by external or internal shocks. This technology is based on the explicit solution of a pair of convex programming problems: the resource allocation problem under the assumption of Constant Elasticity of Substitution (CES) technologies and the special dual Young problem. Solving these problems, we can ascertain the equilibrium inputs and price indexes of goods within the production network. In this paper, we apply this technology to analyze the economy of Kazakhstan in the context of the COVID-19 pandemic. Our calculations provide us with the means to discuss the macroeconomic responses of the multi-sectoral production network in Kazakhstan to both external and internal shocks stemming from the pandemic.

Мақала цифрландыру жағдайында компанияның бизнес -процестерін модельдеу тиімділігін бағалау алгоритмін жасауға арналған. Бұл жұмыста ұсынылған бизнес -процесті модельдеудің тиімділігін бағалау алгоритмі цифрландыру жағдайында бизнес -процестерді модельдеудің тиімділігін жоғарылату үшін қажетті әсерді алуға бағытталған әрекеттер мен жұмыстардың тізімін ұсынады. Қызмет көрсету секторындағы кәсіпорындар үшін бизнес -процестерді модельдеу тиімділігінің көрсеткіштерінің есебі келтірілген. Негізінен қызмет көрсету саласындағы ұйымдар бизнес -үдерістерді төрт бөлек категория тұрғысынан қарастырады: - өнімдер мен қызметтерді дамыту; – сұранысты қалыптастыру; – сұранысты қанағаттандыру; – кәсіпорынды жоспарлау және басқару. Тиімділікті бағалау цифрлық трансформация жөніндегі іс-шараларды жоспарлау кезеңінде және өнімнің өмірлік циклінің белгілі бір кезеңінде цифрлық технологиялар енгізілгенде немесе цифрлық түрлендіру мен роботтандыру стратегиясының кез келген кезеңінде жүзеге асырылатын соңғы кезеңде жүзеге асырылуы мүмкін. Цифрландыру жағдайында компанияның бизнес -процестерін модельдеу тиімділігін бағалау үшін авторлар ұсынған алгоритм компанияларды цифрландырудың орындылығын анықтауға және цифрлық технологияларды енгізу бойынша шаралар қабылдауға мүмкіндік береді. Авторлар цифрлық технологияларды енгізу нәтижесінде кәсіпорындағы негізгі процестердің айтарлықтай жақсаратынына сенімді түрде сену үшін белгілі бір өзгерістердің тиімділігін есептеу қажет екенін атап өтеді. Түйін сөздер: алгоритм, тиімділікті бағалау, бизнес-процесс, цифрландыру, модельдеу, кәсіпорындар.