文献

J-GLOBAL ID：202102289218579380   整理番号：21A2346626

Plasmodium falciparumに対する抗マラリア活性を予測するための分類モデル【JST・京大機械翻訳】

Classification models for predicting the antimalarial activity against Plasmodium falciparum

著者 (3件)： Liu Q. (Hunan Provincial Key Laboratory of Environmental Catalysis & Waste Regeneration, College of Materials and Chemical Engineering, Hunan Institute of Engineering, Xiangtan, China) ,  Deng J. (Hunan Provincial Key Laboratory of Environmental Catalysis & Waste Regeneration, College of Materials and Chemical Engineering, Hunan Institute of Engineering, Xiangtan, China) ,  Liu M. (School of Chemistry and Materials Engineering, Huizhou University, Huizhou, PR China)
資料名： SAR and QSAR in Environmental Research  (SAR and QSAR in Environmental Research)
巻： 31  号： 4  ページ： 313-324  発行年： 2020年 
JST資料番号： W6044A  ISSN： 1062-936X  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： サポートベクトルマシン(SVM)と一般回帰ニューラルネットワーク(GRNN)を用いて,Plasmodium falciparumに対する抗マラリア活性を予測するための分類モデルを開発した。訓練セット(3887化合物)と試験セット(863化合物)に分割された4750化合物の抗マラリア活性の分類モデルを構築するために15分子記述子のみを用いた。SVMモデルでは,その予測精度は訓練セットで89.5%,試験セットで87.3%であった。GRNNモデルに対して,2セットの予測精度はそれぞれ99.7%と88.9%であった。SVCとGRNNモデルは,バイナリロジスティック回帰(BLR)解析に基づく分類モデルより良い予測能力を有した。以前に発表された分類モデルと比較して,SVCとGRNNモデルは,より少ない記述子に加えて,化合物の抗マラリア活性の予測において満足である。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *マラリア ,  *Plasmodium falciparum ,  サポートベクトルマシン
準シソーラス用語： ロジスティック回帰分析 ,  予測精度 ,  *抗マラリア活性 ,  分子記述子 ,  *分類モデル , 【Automatic Indexing@JST】

著者キーワード (5件)： 抗マラリア ,  二値ロジスティック回帰 ,  分類モデル ,  一般回帰ニューラルネットワーク ,  サポートベクトル分類

分類 (5件)： 原子とラジカルの反応  (CB06030C) ,  ピランの縮合誘導体  (CF07093I) ,  中枢神経系作用薬一般  (GW03010A) ,  砂糖  (FJ05010A) ,  生物薬剤学(基礎)  (GY01021U)

タイトルに関連する用語 (4件)： Plasmodium ,  抗マラリア活性 ,  予測 ,  分類モデル