从专家评估化合物的机器学习  

2014年11月14日

pc蛋蛋彩票平台app最近开发,作为一部分 pc蛋蛋彩票平台app可视化 ,建立机器学习的能力 模型 .

这些可用于对可能未测试的分子的性质进行预测。一旦科学家选择了一套“良好”的化合物,可能具有所需的生物活性,以及​​“糟糕的”集合,零点球,单击他们可以建立机器学习模型。在几秒钟内,模型是​​构建并执行交叉验证。然后,该模型可以用于评分其他化合物,例如来自供应商库,FDA批准的药物 pc蛋蛋彩票平台app公众 或安全地存储在用户拥有私人的分子 pc蛋蛋彩票平台app保险库 .

在与我们的咨询委员会成员博士克里斯托弗Lipinski博士的讨论中,我们开始怀疑机器学习模型可以预测的其他物业。专家药用化学家对MLPCN探针化合物的评估在列表中高。 Lipinski博士以前曾参与过 学习 11名专家在64次进行了意见 nih探针 。自该研究以来已经超过5年,现在有超过300 NIH的探针。 Lipinski博士通过详尽的手工迭代过程评估了他们的药物开发计划。考虑到文献和化学反应性,他最终确定是否需要探针。我们现在已经包括Lipinski博士的评估与NIH探针一起提供 pc蛋蛋彩票平台app公众 。从他的决定来看,我们定义了一个“好”和“坏”设置和建立机器学习模型,可以预测他的分数!您可以在最近的一个阅读细节 发表于J Chem Inf Model。

该热图显示了我们的“专家模型”与其他药丸性度量的比较,用于探针标记为普林斯基博士的探针。红色对应于每个度量的较少的药物状值。

 热长

这项工作仍然留下了一些打开的问题 - 机器学习模型将更加预测,从多个专家的评估更具预测?科学家可以建立一个基于自己的评估工作的模型吗?如果您想了解在我们的“专家模式”中的化合物将如何得分,请联系我们  [电子邮件  protected].


迪亚尔博客Wird von Mitgliedern der pc蛋蛋彩票平台app Vault社区Verfasst。 pc蛋蛋彩票平台app Vault Ist Eine Gehostete 药物发现信息学 Plattform,Die Sowohl私人Als Auch externe Biologische und Chemische Daten Sicher Verwaltet。 Sie Bietet Kernfunktionen Wie Chemische Registrierung, Struktur-aktivitäts-beziehung, Chemisches Spectar.Elektronische Labornotizbuchfunktionen!

pc蛋蛋彩票平台app TRESOR:药物发现信息智能IHR GESAMTES PROJEKTTEAM BEGESTRERT SEIN!