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):
資料名:
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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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(Fub)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Fub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Fub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Fubに関するQSARが提供可能であった。
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
血液の基礎医学  ,  汚染原因物質一般 

前のページに戻る