[AI독성예측] 벤치마크논문분석 : Deep Learning-Based Structure-Activity Relationship Modeling for Multi-Category Toxicity Classification: A Case Study of 10K Tox21 Chemicals With High-Throughput Cell-Based Androgen Receptor Bioassay Data

tox21 데이터를 이용하여 Multi-Category Toxicity Classification한것

in silico predictve toxicology 에서 DL의 우수성을 확인하기 위함,

TOX21 에서 사용된 두개의 세포 기반 androgen receptor(AR)데이터셋을 사용함.

agonist(작용제), antagonist(길항제), inactive, inconclusive

특정 화학물질이 androgen(AR) receptor에서 붙어서 안드로겐이 작용하는 프로세스가 발생하면 그 화학물질은 agonist(작용제)라고 함.

특정 화학물질이 androgen(AR) receptor에서 붙어서 안드로겐이 작용하는 프로세스가 멈추면 그 화학물질은 antagonist(길항제)라고 함.

A라는 물질이 붙으면 일해 , B라는 물질이 붙으면 일 하지마. 이때 A는 작용제, B는 길항제. .

[AI독성예측] 3. 논문분석 An Overview of Machine Learning and Big Data for Drug Toxicity Evaluation (0)	2021.02.12
[AI 독성예측] 벤치마크논문분석 : Structure–activity relationship-basedOpen Accesschemical classification of highly imbalanced Tox21 datasets (0)	2021.02.12
[AI독성예측]2. 논문분석 Machine learning in chemoinformatics and drug discovery (0)	2021.01.31
[AI독성예측] 1. 논문분석 Machine Learning of Toxicological Big Data Enables Read-Across Structure Activity Relationships (RASAR)Outperforming Animal Test Reproducibility (2)	2021.01.31