Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Quantitative Aspects of Drug-Receptor Interaction01:30

Quantitative Aspects of Drug-Receptor Interaction

1.1K
The receptor occupancy theory connects a drug's response to the number of occupied receptors. With higher drug concentrations, more receptors are occupied, leading to increased responses. The formation of drug-receptor complexes involves association and dissociation rates, which reach equilibrium when the forward and backward reactions are equal. The equilibrium association constant (Ka) and its inverse, the equilibrium dissociation constant (Kd), indicate drug affinity. Higher Ka and lower...
1.1K
Parameters Affecting Nonlinear Elimination: Zero-Order Input, First-Order Absorption and Two-Compartment Model01:13

Parameters Affecting Nonlinear Elimination: Zero-Order Input, First-Order Absorption and Two-Compartment Model

100
Drugs administered through various routes can lead to nonlinear elimination, resulting in complex pharmacokinetic behaviors crucial to understanding efficacious drug dosing.
When a drug is administered through a constant intravenous infusion and eliminated via nonlinear pharmacokinetics, it follows zero-order input. For example, oral drugs undergo first-order absorption upon administration and are eliminated through nonlinear pharmacokinetics.
In the case of subcutaneously administered drugs,...
100

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Synergizing Chemical and AI Communities for Advancing Laboratories of the Future.

ACS central science·2026
Same author

Markovnikov hydroamination of terminal alkenes by phosphine redox catalysis.

Nature·2026
Same author

Transferable enantioselectivity models from sparse data.

Nature·2026
Same author

Development, Application, and Mechanistic Interrogation of a Dual Ni Catalysis Approach to Photoredox-Based C(sp<sup>3</sup>)-C(sp<sup>3</sup>) Cross-Coupling.

Journal of the American Chemical Society·2025
Same author

Data Science-Driven Discovery of Optimal Conditions and a Condition-Selection Model for the Chan-Lam Coupling of Primary Sulfonamides.

ACS catalysis·2025
Same author

Multi-level QTAIM-enriched graph neural networks for resolving properties of transition metal complexes.

Digital discovery·2025

Video Experimental Relacionado

Updated: Aug 5, 2025

Murine Drinking Models in the Development of Pharmacotherapies for Alcoholism: Drinking in the Dark and Two-bottle Choice
07:31

Murine Drinking Models in the Development of Pharmacotherapies for Alcoholism: Drinking in the Dark and Two-bottle Choice

Published on: January 7, 2019

8.0K

Un enfoque de aprendizaje automático para modelar efectos de interacción: desarrollo y aplicación a la

Andrzej M Żurański1, Shivaani S Gandhi1,2, Abigail G Doyle1,2

  • 1Department of Chemistry, Princeton University, Princeton, New Jersey 08544, United States.

Journal of the American Chemical Society
|March 29, 2023
PubMed
Resumen

El aprendizaje automático lucha con las interacciones de reacción química en los datos de experimentación de alto rendimiento (HTE). Un nuevo enfoque estadístico mejora la precisión del modelado al separar los efectos, mejorando la comprensión de la reactividad química.

Más Videos Relacionados

Chronic Intermittent Ethanol Vapor Exposure Paired with Two-Bottle Choice to Model Alcohol Use Disorder
05:12

Chronic Intermittent Ethanol Vapor Exposure Paired with Two-Bottle Choice to Model Alcohol Use Disorder

Published on: June 23, 2023

960
Modeling Alcohol Consumption in Rodents Using Two-Bottle Choice Home Cage Drinking and Microstructural Analysis
08:45

Modeling Alcohol Consumption in Rodents Using Two-Bottle Choice Home Cage Drinking and Microstructural Analysis

Published on: November 8, 2024

676

Videos de Experimentos Relacionados

Last Updated: Aug 5, 2025

Murine Drinking Models in the Development of Pharmacotherapies for Alcoholism: Drinking in the Dark and Two-bottle Choice
07:31

Murine Drinking Models in the Development of Pharmacotherapies for Alcoholism: Drinking in the Dark and Two-bottle Choice

Published on: January 7, 2019

8.0K
Chronic Intermittent Ethanol Vapor Exposure Paired with Two-Bottle Choice to Model Alcohol Use Disorder
05:12

Chronic Intermittent Ethanol Vapor Exposure Paired with Two-Bottle Choice to Model Alcohol Use Disorder

Published on: June 23, 2023

960
Modeling Alcohol Consumption in Rodents Using Two-Bottle Choice Home Cage Drinking and Microstructural Analysis
08:45

Modeling Alcohol Consumption in Rodents Using Two-Bottle Choice Home Cage Drinking and Microstructural Analysis

Published on: November 8, 2024

676

Área de la Ciencia:

  • Química
  • Ciencia de los datos
  • Ingeniería Química

Sus antecedentes:

  • El aprendizaje automático (ML) se utiliza cada vez más para conjuntos de datos de experimentación de alto rendimiento (HTE).
  • El modelado de los efectos de interacción entre los componentes de la reacción en los datos de HTE con ML sigue siendo un desafío.
  • Las características irrelevantes pueden impedir que los algoritmos de aprendizaje automático aprendan estos efectos cruciales de interacción.

Objetivo del estudio:

  • Desarrollar un enfoque de modelado estadístico robusto para conjuntos de datos de HTE que capte efectivamente los efectos de la interacción.
  • Mejorar la precisión y la interpretabilidad de los modelos para predecir los resultados de las reacciones.
  • Facilitar la generación de nuevas hipótesis mecanicistas en la investigación química.

Principales métodos:

  • Se propuso una estrategia de modelado estadístico en dos partes.
  • Parte 1: Análisis clásico de la varianza (ANOVA) para identificar los efectos sistemáticos en el rendimiento de la reacción.
  • Parte 2: Regresión de los efectos individuales utilizando características informadas por la química, ilustradas con un modelo aditivo generalizado (GAM).

Principales resultados:

  • El método propuesto mejoró significativamente el rendimiento con respecto a un modelo forestal aleatorio en un conjunto de datos de desoxifluoración de alcohol.
  • El error medio absoluto (MAE) se redujo del 18% al 13%.
  • El error de la raíz media cuadrada (RMSE) disminuyó del 22% al 17% en un conjunto de validación.

Conclusiones:

  • El enfoque estadístico desarrollado modela efectivamente los efectos de interacción en los datos HTE, superando los algoritmos ML comunes.
  • Esta metodología mejora la interpretabilidad de los modelos de reacción química.
  • El enfoque ayuda a generar hipótesis mecanicistas comprobables, profundizando en la comprensión de la reactividad química.