Exploiting uncertainty measures in compounds activity prediction using support vector machines
PBN-AR
Instytucja
Instytut Farmakologii im. Jerzego Maja Polskiej Akademii Nauk
Informacje podstawowe
Główny język publikacji
angielski
Czasopismo
BIOORGANIC & MEDICINAL CHEMISTRY LETTERS
ISSN
0960-894X
EISSN
1464-3405
Wydawca
ELSEVIER
DOI
Rok publikacji
2015
Numer zeszytu
1
Strony od-do
100-105
Numer tomu
25
Identyfikator DOI
Liczba arkuszy
Słowa kluczowe
en
Uncertainty of in vitro tests;
Machine learning;
Support Vector Machine;
Weighting protocol;
ChEMBLdb
Streszczenia
Język
en
Treść
The great majority of molecular modeling tasks require the construction of a model that is then used to evaluate new compounds. Although various types of these models exist, at some stage, they all use knowledge about the activity of a given group of compounds, and the performance of the models is dependent on the quality of these data. Biological experiments verifying the activity of chemical compounds are often not reproducible; hence, databases containing these results often possess various activity records for a given molecule. In this study, we developed a method that incorporates the uncertainty of biological tests in machine-learning-based experiments using the Support Vector Machine as a classification model. We show that the developed methodology improves the classification effectiveness in the tested conditions.
Cechy publikacji
ORIGINAL_ARTICLE
Inne
System-identifier
PX-56989cd3810641ecf9198e29
CrossrefMetadata from Crossref logo
Cytowania
Liczba prac cytujących tę pracę
Brak danych
Referencje
Liczba prac cytowanych przez tę pracę
Brak danych