文献

J-GLOBAL ID：201502263720126630   整理番号：15A0453605

定量的構造-活性相関に対する方法としてディープニューラルネット

Deep Neural Nets as a Method for Quantitative Structure-Activity Relationships

著者 (5件)： MA Junshui (Merck Res. Lab., New Jersey, USA) ,  SHERIDAN Robert P. (Merck Res. Lab., New Jersey, USA) ,  LIAW Andy (Merck Res. Lab., New Jersey, USA) ,  DAHL George E. (Univ. Toronto, ON, CAN) ,  SVETNIK Vladimir (Merck Res. Lab., New Jersey, USA)
資料名： Journal of Chemical Information and Modeling  (Journal of Chemical Information and Modeling)
巻： 55  号： 2  ページ： 263-274  発行年： 2015年02月 
JST資料番号： A0294A  ISSN： 1549-9596  CODEN： JCISD8  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 定量的構造-活性相関(QSAR)は,標的および標的外の活性を予測するため広く用いられている方法であり,これにはニューラルネットワークが広く使用されている。古典的なニューラルネットワークは,入力する記述子の数が限られるような,多くの実際上の困難がある。ディープニューラルネット(DNNs)は,使用者が多くの調節可能なパラメーターをセットする。15種類の多用なQSARデータセットを用い,DNNsが,ランダムフォレスト(RF)法より良い予測能があることを示した。DNNsは,製薬業での薬剤発見環境でQSARに対する実際的な方法になる。

シソーラス用語： *定量的構造活性相関 ,  *ニューラルネットワーク ,  予測 ,  統制索引語 ,  集合 ,  *計算機アルゴリズム ,  能力 ,  製薬業 ,  *製品開発
準シソーラス用語： 応答予測 ,  分子記述子 ,  データセット ,  *ランダムフォレスト ,  予測能力 ,  *薬剤開発

分類 (2件)： 薬物の構造活性相関  (GV01050B) ,  その他の計算機利用技術  (JE14000C)

タイトルに関連する用語 (2件)： 定量 ,  構造-活性相関