文献

J-GLOBAL ID：202002226906485005   整理番号：20A1190934

ミトコンドリア毒性の予測のための機械学習法と構造警報の使用【JST・京大機械翻訳】

Using Machine Learning Methods and Structural Alerts for Prediction of Mitochondrial Toxicity

著者 (4件)： Hemmerich Jennifer (University of Vienna, Department of Pharmaceutical Chemistry, Althanstr. 14, 1090, Vienna, Austria) ,  Troger Florentina (University of Vienna, Department of Pharmaceutical Chemistry, Althanstr. 14, 1090, Vienna, Austria) ,  Fuezi Barbara (University of Vienna, Department of Pharmaceutical Chemistry, Althanstr. 14, 1090, Vienna, Austria) ,  F.Ecker Gerhard (University of Vienna, Department of Pharmaceutical Chemistry, Althanstr. 14, 1090, Vienna, Austria)
資料名： Molecular Informatics  (Molecular Informatics)
巻： 39  号： 5  ページ： e2000005  発行年： 2020年 
JST資料番号： W2686A  ISSN： 1868-1743  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： ここ数年以上にわたり,より多くの器官と特異的毒性がミトコンドリア毒性と関連していた。海水及びグルコース/ガラクトースアッセイのような良く確立されたアッセイにもかかわらず,ミトコンドリア毒性に対するin silicoアプローチは,特に大規模化合物ライブラリーの評価に関する場合,依然として実行可能である。したがって,in silicoアプローチは,薬物開発パイプラインにおける早期の危険性を示すのに非常に有益である。複数のエンドポイントを組み合わせることにより,ミトコンドリア毒性に関するこれまでに公表されたデータセットを誘導した。完全なデータ解析により,ミトコンドリア毒性を引き起こす分子は物理化学的性質により識別できることを示した。最後に,機械学習と構造的警告の組合せは,ミトコンドリア毒性のin silicoリスク評価のための適合性を強調する。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 海水 ,  *警報 ,  構造活性相関 ,  適応性 ,  データ解析 ,  毒物学 ,  *機械学習 ,  リスク評価
準シソーラス用語： 物理化学的性質 ,  化合物ライブラリー ,  in silico ,  創薬 ,  エンドポイント ,  *ミトコンドリア毒性 , 【Automatic Indexing@JST】

著者キーワード (5件)： 毒物学 ,  構造活性相関 ,  機械学習 ,  ミトコンドリア毒性 ,  構造警報

分類 (2件)： 有機化合物の毒性  (GZ02030Y) ,  その他の計算機利用技術  (JE14000C)

タイトルに関連する用語 (4件)： ミトコンドリア毒性 ,  予測 ,  機械学習 ,  警報