文献

J-GLOBAL ID：201902253481664895   整理番号：19A0301716

機械学習を用いたp53阻害剤候補の回帰モデルとランキング法【JST・京大機械翻訳】

Regression Models and Ranking Method for p53 Inhibitor Candidates Using Machine Learning

著者 (4件)： Motohashi Haruka (Department of Industrial Administration, Tokyo University of Science, Chiba, Japan) ,  Teraoka Tatsuro (Department of Medicinal and Life Science, Tokyo University of Science, Chiba, Japan) ,  Aoki Shin (Department of Medicinal and Life Science, Tokyo University of Science, Chiba, Japan) ,  Ohwada Hayato (Department of Industrial Administration, Tokyo University of Science, Chiba, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： BIBM  ページ： 708-712  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 放射線療法は癌の主要治療の1つである。しかしながら,それは正常細胞におけるp53蛋白質のアポトーシス活性のために様々な副作用を引き起こす可能性がある。従って,副作用を避けるためには,p53阻害剤を用いることにより,放射線に対する正常細胞を保護することが重要である。また,p53阻害剤は患者の体に対して低い毒性を有することが期待される。しかし,薬物発見が膨大なコストと長い時間を必要とするので,p53阻害剤の設計は容易ではない。本論文では,それらの放射線防護機能と細胞毒性の両方を考慮して,候補p53阻害剤をランク付けするための新しい方法を提案する。指紋を含む化合物の二次元構造と三次元構造の特徴,ランダムフォレストとSVR(サポートベクトルマシン)のようないくつかの機械学習方法,ランク付けのための一つの方法,すなわちParetoランキング法を用いた。したがって,著者らはそれらのランキングを決定するための候補の細胞毒性と放射線防護機能の回帰モデルを提示する。著者らの提案した方法は薬物発見のための有用なランキングをもたらす。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アポトーシス ,  *機械学習 ,  *等級づけ ,  放射線防護 ,  *p53タンパク質 ,  指紋 ,  放射線療法 ,  放射線 ,  *回帰モデル ,  細胞毒性 ,  サポートベクトルマシン ,  副作用
準シソーラス用語： ランダムフォレスト ,  正常細胞 ,  *阻害剤 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 機械学習 ,  p53 ,  阻害剤 ,  回帰モデル ,  ランキング