AI 독성예측/논문 (5) 썸네일형 리스트형 [AI독성예측] 3. 논문분석 An Overview of Machine Learning and Big Data for Drug Toxicity Evaluation ABSTRACT 약물 독성평가는 약물개발의 필수 과정 --> 30%나 차지 ABSTRACT Drug toxicity evaluation is an essential process of drug development as it is reportedly responsible for the attrition of approximately 30% of drug candidates. The rapid increase in the number and types of large toxicology data sets together with the advances in computational methods may be used to improve many steps in drug safety evaluation. T.. [AI 독성예측] 벤치마크논문분석 : Structure–activity relationship-basedOpen Accesschemical classification of highly imbalanced Tox21 datasets 독성 불균형 데이터를 처리하는 방법에 초점을 맞춘 논문. 문제점 undersampling을 하면 정보손실의 위험 interpolation을 해서 활성데이터를 더 생성하면. 종종 비활성(다수)샘플 공간으로 가게 되어 클래스가 겹치게됨 ---> 잘못 예측 할 확률이 높아짐. tox21데이터 세트에 SMOTE와 ENN알고리즘을 결합한 SMOTEENN(SMN)을 사용하여 오버샘플링함 SAR모델링에서 data imbalance 문제 해결방안 1. data level --> undersampling & oversampling 2. algorithm level --> 모델을 소수 계층으로 편향시키는 cost sensitivity를 유도함. MCP(Mondrian Conformal Prediction) : reliab.. [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 agonist(작용제)? 특정 화학물질이 androgen(AR) receptor에서 붙어서 안드로겐이 작용하는 프로세스가 발생하면 그 화학물질은 agonist(작용제)라고 함. antagonist(길항제)? 특정 화학물질이 androgen(AR) receptor에서 붙어서 안드로겐이 작용하는 프로세스가 멈추면 그 화학물질.. [AI독성예측]2. 논문분석 Machine learning in chemoinformatics and drug discovery www.sciencedirect.com/science/article/pii/S1359644617304695 Machine learning in chemoinformatics and drug discovery Chemoinformatics is an established discipline focusing on extracting, processing and extrapolating meaningful data from chemical structures. With the … www.sciencedirect.com 2018년 스탠포드 대학교에서 나온 논문이다. 화학물질 정보학과 신약개발에서의 Machine learning 화학물질정보학은 화학물질 구조로부터 의미있는 데이터를 추출하고, 처리하며 외삽하는데 .. [AI독성예측] 1. 논문분석 Machine Learning of Toxicological Big Data Enables Read-Across Structure Activity Relationships (RASAR)Outperforming Animal Test Reproducibility 이번에는 머신러닝 독성예측분야에서 꽤 중요한 핵심 논문을 분석해 보도록 하겠습니다. •Pairwise Evaluation of OECD Guideline Test Reproducibility •Demonstration of Network Effects for Chemical Similarity •RASAR Database 1. European Chemical Agency Classification and Labeling 2. PubChem 3. NTP—Predictive Models for Acute Oral Systemic Toxicity ●Read-Across Structure Activity Relationship 1. Unsupervised Step 2. Supervised Step ●Simple.. 이전 1 다음
