機械学習とウサギ心室楔アッセイを用いた薬剤誘発TdPリスクの予測【JST・京大機械翻訳】

Xi Nan Miles; Huang Dalong Patrick

プレプリント

J-GLOBAL ID：202202210671407562 整理番号：22P0274829

機械学習とウサギ心室楔アッセイを用いた薬剤誘発TdPリスクの予測【JST・京大機械翻訳】

Prediction of Drug-Induced TdP Risks Using Machine Learning and Rabbit Ventricular Wedge Assay

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年01月14日プレプリントサーバーでの情報更新日： 2022年01月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

薬剤誘発性Torsades de point(TdP)リスクの評価は,薬物安全性評価において重要である。本研究では,前臨床データを用いて薬剤誘発性TdPリスクの予測における機械学習アプローチを検討した。特に,ランダムフォレストモデルをウサギ心室ウェッジアッセイによって生成されたデータセット上で訓練した。モデル予測性能を,包括的In Vitro Proar不整脈アッセイイニシアティブから28の薬剤で測定した。リーブワンドラッグアウト交差検証は,モデル性能の不偏な推定を提供した。層状ブートストラップは漸近モデル予測の不確実性を明らかにした。本研究は,前臨床データからの薬剤誘発性TdPリスクの予測における機械学習アプローチの有用性を検証した。本法は他の前臨床プロトコルに拡張でき,薬物安全性評価における補助評価として役立つ。【JST・京大機械翻訳】

, , , , , , , ,
, , , , 【Automatic Indexing@JST】

循環系の基礎医学 , 研究開発

, , , , , , , , ,

前のページに戻る