文献

J-GLOBAL ID：202202213611259087   整理番号：22A0704315

Boehringer IngelheimにおけるADMET予測可能性:最新技術,およびビッグデータ集合またはアルゴリズムは違いを作るか?【JST・京大機械翻訳】

ADMET Predictability at Boehringer Ingelheim: State-of-the-Art, and Do Bigger Datasets or Algorithms Make a Difference?

著者 (3件)： Aleksic Stevan (Medicinal Chemistry, Boehringer Ingelheim Pharma GmbH & Co. KG, 88397, Biberach, Germany) ,  Seeliger Daniel (Medicinal Chemistry, Boehringer Ingelheim Pharma GmbH & Co. KG, 88397, Biberach, Germany) ,  Brown J. B. (Medicinal Chemistry, Boehringer Ingelheim Pharma GmbH & Co. KG, 88397, Biberach, Germany)
資料名： Molecular Informatics  (Molecular Informatics)
巻： 41  号： 2  ページ： e2100113  発行年： 2022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： 薬剤発見と開発を支援するコンピュータ法は製薬産業でルーチンである。ADMETアッセイのデジタル記録は,予測モデルの開発のための豊富なデータ源を提供した。データの蓄積と先進モデリングアルゴリズムの公共アベイラビリティにもかかわらず,ADMET研究における予測の有用性は明らかではない。ここでは,データボリューム,モデリングアルゴリズム,化学表現およびグループ化,およびインハウスADMETデータベースを用いた時間的側面(アッセイの時間シーケンス)間の関係の重要な評価を提示した。予測アルゴリズムの大きな差や,ますます大きなデータセットからは,いかなる系統的で実質的な利得も見出せなかった。時間ベースのデータ拡大は,限られた数のアッセイでのみ性能の改善をもたらし,最良で分数の改善をもたらした。ADMET予測とそのような挙動の理由について,よく,中間,または十分に適合しない分析を系統的に同定し,計算モデルが分子設計と開発における意思決定を導くために使用できる領域に対する現実的な期待を生み出した。Copyright 2022 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： *アルゴリズム ,  意思決定 ,  データベース ,  薬物 ,  ディジタル記録 ,  モデリング ,  アベイラビリティ ,  利得 ,  *集合 ,  分子設計 ,  コンピュータ ,  計算モデル ,  予測モデル
準シソーラス用語： 予測アルゴリズム ,  *ビッグデータ , 【Automatic Indexing@JST】

著者キーワード (5件)： ADMETモデリング ,  機械学習 ,  アルゴリズム比較 ,  化学表現 ,  同族列

分類 (2件)： 薬物の物理化学的性質  (GV01060M) ,  薬物の構造活性相関  (GV01050B)

タイトルに関連する用語 (3件)： 予測可能性 ,  データ集合 ,  アルゴリズム