文献

J-GLOBAL ID：201902242289873428   整理番号：19A0182668

QSARモデリング集合における実験誤差:我々は何ができることができないのか【JST・京大機械翻訳】

Experimental Errors in QSAR Modeling Sets: What We Can Do and What We Cannot Do

著者 (5件)： Zhao Linlin (The Rutgers Center for Computational and Integrative Biology, New Jersey, United States) ,  Wang Wenyi (The Rutgers Center for Computational and Integrative Biology, New Jersey, United States) ,  Sedykh Alexander (Sciome LLC, North Carolina, United States) ,  Zhu Hao (The Rutgers Center for Computational and Integrative Biology, New Jersey, United States) ,  Zhu Hao (Department of Chemistry, Rutgers University, New Jersey, United States)
資料名： ACS Omega  (ACS Omega)
巻： 2  号： 6  ページ： 2805-2812  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： 多数の化学データセットが定量的構造活性相関(QSAR)モデリング研究に利用可能になった。しかし,異なるデータ源の品質は実験プロトコルの性質に基づいて異なる可能性がある。したがって,モデリングセットにおける潜在的な実験誤差は,貧弱なQSARモデルの開発をもたらし,さらに新しい化合物の予測に影響を与える可能性がある。本研究では,実験誤差とQSARモデリング性能をシミュレートすることにより得られたモデリング集合における質問可能データの比率の間の関係を調べた。この目的のために,8つのデータセット(4つの連続エンドポイントと4つのカテゴリー的エンドポイント)を使用した。それらは,1800以上の様々なQSARモデルを作成するために,社内と著者らの協力者の両方によって広範囲にわたっていた。各データセットを複製し,モデル化プロセスにおけるシミュレーション実験誤差(すなわち,化合物の一部の活性をランダム化)の異なる比率を持ついくつかの新しいモデリングセットを作成した。5倍の交差検証プロセスを用いてモデル化性能を評価し,実験誤差の比率が増加すると劣化した。得られた全てのモデルを用いて,モデル化プロセスの始めに除外された新しい化合物の外部セットを予測した。モデリング結果は,交差検証プロセスにおける比較的大きな予測誤差を有する化合物が,シミュレーション実験誤差を有するものである可能性があることを示した。しかし,交差検証プロセスにおいて大きな予測誤差を有する特定の数の化合物を除去した後に,新しい化合物の外部予測は改善を示さなかった。著者らの結論は,QSAR予測,特にコンセンサス予測が,潜在的な実験誤差を有する化合物を同定できるということである。しかし,交差検証法によるそれらの化合物の除去は,過剰適合によるモデル予測性を改善するための合理的な手段ではない。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： シミュレーション ,  品質 ,  予測 ,  モデル ,  *モデリング ,  交差検証法 ,  予測誤差 ,  *定量的構造活性相関
準シソーラス用語： モデル予測 ,  エンドポイント , 【Automatic Indexing@JST】

分類 (1件)： 薬物の構造活性相関  (GV01050B)

タイトルに関連する用語 (5件)： QSAR ,  モデリング ,  集合 ,  実験 ,  誤差