文献

J-GLOBAL ID：201802242124462685   整理番号：18A0724849

基本的分子特性に基づく蛋白質-リガンド結合親和性の予測に向けた機械学習アプローチ【JST・京大機械翻訳】

A machine learning approach towards the prediction of protein-ligand binding affinity based on fundamental molecular properties

著者 (3件)： Kundu Indra (Department of Bioinformatics, Maulana Abul Kalam Azad University of Technology (formerly known as West Bengal University of Technology), Kolkata, India. [e-mail]) ,  Paul Goutam ,  Banerjee Raja
資料名： RSC Advances (Web)  (RSC Advances (Web))
巻： 8  号： 22  ページ： 12127-12137  発行年： 2018年 
JST資料番号： U7055A  ISSN： 2046-2069  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 様々な形態で利用可能な膨大な量の生物学的データをいくつかの重要な知識に変換する緊急性がある。未知の結合親和性を予測するために既に利用可能な蛋白質-リガンド結合親和性データに機械学習(ML)アルゴリズムモデルを実装することを試みた。従来の実験法や計算評価法に比べて,ML法はかなり高速で安価である。この予測の前提条件は,訓練データの十分で不偏な特徴とデータに良く適合できる予測モデルである。著者らの研究において,著者らは蛋白質-リガンド結合親和性に関するWekaパッケージからランダムフォレストとGaussianプロセス回帰アルゴリズムを適用した。それはPDBbondデータベースから蛋白質とリガンド結合情報を網羅した。モデルは,蛋白質とリガンドの両方の選択的基礎情報に基づいて訓練され,それはオンラインデータベースから効率的にフェッチされるか,構造の利用可能性により計算できる。モデルの評価は相関係数(R2)と根平均二乗誤差(RMSE)に基づいて行った。Random森林モデルは,それぞれ0.76と1.31のR2とRMSEを与えた。また,著者らの特徴と予測モデルを他のものによって使用されたデータセットに使用し,著者らの特徴を有する著者らのモデルが既存のものより優れていることを見出した。Copyright 2018 Royal Society of Chemistry All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： *タンパク質 ,  *機械学習 ,  データベース ,  予測モデル ,  計算 ,  相関係数 ,  アルゴリズム
準シソーラス用語： 平均二乗誤差 ,  *リガンド結合 ,  ランダムフォレスト ,  訓練データ ,  評価法 ,  緊急度 ,  *結合親和性 ,  *分子特性解析 , 【Automatic Indexing@JST】

分類 (2件)： 蛋白質・ペプチド一般  (EB03010N) ,  分子構造  (EB03020Y)

タイトルに関連する用語 (6件)： 分子特性 ,  蛋白質 ,  リガンド結合 ,  親和性 ,  予測 ,  機械学習