文献

J-GLOBAL ID：201702211012161112   整理番号：17A0016590

薬物領域での機械学習による環境化学物質のヒト血漿蛋白質結合化情報:適用領域と予測限界

Informing the Human Plasma Protein Binding of Environmental Chemicals by Machine Learning in the Pharmaceutical Space: Applicability Domain and Limits of Predictability

著者 (5件)： INGLE Brandall L. (National Exposure Res. Lab., North Carolina, USA) ,  VEBER Brandon C. (National Health Exposure Effects Res. Lab., Minnesota, USA) ,  VEBER Brandon C. (Oak Ridge Inst. for Sci. and Education, Tennessee, USA) ,  NICHOLS John W. (National Health Exposure Effects Res. Lab., Minnesota, USA) ,  TORNERO-VELEZ Rogelio (National Exposure Res. Lab., North Carolina, USA)
資料名： Journal of Chemical Information and Modeling  (Journal of Chemical Information and Modeling)
巻： 56  号： 11  ページ： 2243-2252  発行年： 2016年11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： 機械学習法を用いた環境関連化学物質のヒト血漿蛋白質非結合化分率(F_ub)予測に対する薬物データ利用の利点を調べた。k近傍(kNN),サポートベクターマシン(SVM),及びランダムフォレスト(RF)機械学習アルゴリズムを用いて,1045種の薬物トレーニングセットから定量的構造-活性相関(QSAR)モデルを構築し,200種の薬物と406種の環境関連ToxCast化学物質に対して評価した。その結果,いずれのモデルでも0.10~0.18の平均絶対誤差(MAE)で顕著なF_ub予測能を有し,特に,高結合性化学物質(MAE0.07~0.12),中性物質(MAE0.11~0.14),及び酸類(MAE0.14~0.17)に対して良好であった。個々のモデルでの平均F_ub値から構築したコンセンサスモデルは薬物(MAE0.151~0.155)及び環境関連化学物質(MAE0.110~0.131)の両方に対して最も高い精度を示し,コンセンサスモデルの適用領域にあるToxCastの大部分にF_ubに関するQSARが提供可能であった。

シソーラス用語： *機械学習 ,  薬物 ,  *薬物動力学 ,  アルゴリズム ,  分類 ,  サポートベクトルマシン ,  計算機アルゴリズム ,  ヒト ,  血漿タンパク質 ,  予測誤差 ,  *定量的構造活性相関 ,  分子間相互作用 ,  *予測技法 ,  比率
準シソーラス用語： k近傍法 ,  ランダムフォレスト ,  *環境化学物質 ,  非結合相互作用 ,  平均絶対誤差

分類 (2件)： 血液の基礎医学  (GK01020N) ,  汚染原因物質一般  (SB05010P)

タイトルに関連する用語 (7件)： 薬物 ,  機械学習 ,  環境化学物質 ,  ヒト ,  血漿蛋白質結合 ,  予測 ,  限界