文献

J-GLOBAL ID：202202231672154994   整理番号：22A0728223

生分解性分類を予測するための性能の比較研究:定量的構造-活性相関モデル対グラフ畳込みネットワーク【JST・京大機械翻訳】

A Comparative Study of the Performance for Predicting Biodegradability Classification: The Quantitative Structure-Activity Relationship Model vs the Graph Convolutional Network

著者 (2件)： Lee Myeonghun (School of Systems Biomedical Science, Soongsil University, Republic of Korea) ,  Min Kyoungmin (School of Mechanical Engineering, Soongsil University, Republic of Korea)
資料名： ACS Omega  (ACS Omega)
巻： 7  号： 4  ページ： 3649-3655  発行年： 2022年 
JST資料番号： W5044A  ISSN： 2470-1343  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： 計算方法による分子の生分解性の予測と評価はますます重要になっている。種々の方法の中で,定量的構造活性相関(QSAR)モデルは,化学物質の容易な生物分解を予測するが,それらの複雑な実行のため,限られた機能性を有することが実証されてきた。本研究では,グラフ畳込みネットワーク(GCN)法を用いて,これらの問題を克服した。以前の研究での生分解性データセットを訓練し,(i)Mordred分子記述子計算器とMACCS分子フィンガープリントを用いたQSARモデル,および(ii)分子グラフを用いたGCNモデルを用いた。この方法の性能比較は,GCNモデルがより直接的で,より安定であることを確証した。特異性と感度値は,特異的記述子またはフィンガープリントなしでほとんど同じであった。さらに,モデルの性能を,データセットを訓練と試験セットの100の異なるケースにランダムに分割し,試験セット比を20から80%に変えることによりさらに検証した。この研究の結果は,GCNモデルの有望性を明確に示唆し,それは,分子の種々のタイプと特性のために,従来のQSAR予測モデルを,直接実行することができた。Copyright 2022 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  分子 ,  *ネットワーク ,  特性 ,  計算機械 ,  *モデル ,  *微生物分解性 ,  指紋 ,  生物分解 ,  *性質 ,  化学物質 ,  *定量的構造活性相関 ,  予測モデル ,  統制索引語
準シソーラス用語： 分子グラフ ,  特異性 ,  分子記述子 , 【Automatic Indexing@JST】

分類 (1件)： 薬物の構造活性相関  (GV01050B)

タイトルに関連する用語 (9件)： 生分解性 ,  分類 ,  予測 ,  研究 ,  定量 ,  構造-活性相関 ,  モデル ,  グラフ ,  畳込み