文献

J-GLOBAL ID：201902213409957757   整理番号：19A0182039

サポートベクトルマシンの分類と回帰は二元化合物活性と効力値予測のための異なる構造特徴を優先順位付ける【JST・京大機械翻訳】

Support Vector Machine Classification and Regression Prioritize Different Structural Features for Binary Compound Activity and Potency Value Prediction

著者 (3件)： Rodriguez-Perez Raquel (Department of Life Science Informatics, B-IT, LIMES Program Unit Chemical Biology and Medicinal Chemistry, Rheinische Friedrich-Wilhelms-Universitaet, Germany) ,  Vogt Martin (Department of Life Science Informatics, B-IT, LIMES Program Unit Chemical Biology and Medicinal Chemistry, Rheinische Friedrich-Wilhelms-Universitaet, Germany) ,  Bajorath Juergen (Department of Life Science Informatics, B-IT, LIMES Program Unit Chemical Biology and Medicinal Chemistry, Rheinische Friedrich-Wilhelms-Universitaet, Germany)
資料名： ACS Omega  (ACS Omega)
巻： 2  号： 10  ページ： 6371-6379  発行年： 2017年 
JST資料番号： W5044A  ISSN： 2470-1343  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： 計算化学と化学情報科学において,サポートベクトルマシン(SVM)アルゴリズムは,新しい活性化合物の同定のための最も広く用いられている機械学習法の一つである。さらに,サポートベクトル回帰(SVR)は,非線形構造-活性相関をモデル化し,化合物の効力値を予測するための好ましいアプローチになった。密接に関連したSVMとSVR法に対して,指紋(すなわち,化学構造と特性のビット列または特徴集合表現)は一般的に優先記述子である。ここでは,同じ化合物データセットに対するSVMとSVR計算を比較し,どの特徴が予測に関与するかを評価した。系統的特徴重み分析に基づいて,むしろ驚くべき結果を得た。指紋特徴は,対応するSVMとSVRモデルに異なって寄与することが頻繁に同定された。SVMとSVRの予測性能を決定する特徴集合間の重なりは非常に小さかった。さらに,SVMとSVR予測に対して反対の影響を持つ特徴を同定した。特徴マッピングと組み合わせた特徴重み分析は,個々の予測を解釈することも可能にし,その結果,SVM/SVRモデリングのブラックボックス特性をバランスさせた。Copyright 2019 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *サポートベクトルマシン ,  機械学習 ,  *構造特性 ,  *予測 ,  モデリング ,  化学情報 ,  計算化学 ,  指紋 ,  アルゴリズム ,  ブラックボックス
準シソーラス用語： 予測性能 ,  化学構造 ,  サポートベクトル回帰 ,  活性化剤 ,  *値予測 , 【Automatic Indexing@JST】

分類 (3件)： 分子・遺伝情報処理  (JE15040B) ,  薬物の構造活性相関  (GV01050B) ,  酸塩基平衡  (CB04020D)

タイトルに関連する用語 (6件)： サポートベクトルマシン ,  分類 ,  活性 ,  値予測 ,  構造特徴 ,  優先順位