优化的人工神经网络袋可以预测暴露在纳米粒子中的生物的生存能力
Ravithree D Senanayake1, Clyde A Daly1, Rigoberto Hernandez1,2
1Department of Chemistry, Johns Hopkins University, Baltimore, Maryland 21218, United States.
The journal of physical chemistry. A
|March 27, 2024
概括
使用人工神经网络 (ANN) 预测纳米粒子可行性,通过合并方法得到了改进. 优化的ANN和可行性条带提高了工程纳米材料的预测准确性和精度.
科学领域:
- 纳米技术 纳米技术
- 计算生物学 计算生物学
- 材料科学 材料科学 材料科学
背景情况:
- 预测纳米粒子暴露后的生物活力对于工程纳米材料设计至关重要.
- 人工神经网络 (ANN) 可以使用有限的数据集来预测可行性.
- 之前的工作使用了ANN的袋子来进行共识预测.
研究的目的:
- 通过使用优化的ANN来确认预测纳米粒子生存能力的准确性和精度.
- 引入"可行性条"作为从概率分布中获得的更具信息性的预测.
- 为了评估具有不同参数 (k-bag 和 k-fraction 机器) 的集合 ANNs 的性能.
主要方法:
- 人工神经网络 (ANN) 的培训和验证袋在纳米粒子可行性数据上.
- 通过考虑不同的培训/验证分割和k-fold,开发ANN的集合.
- 从ANN整体的概率分布构建可行性条带.
- 比较k袋和k分机的性能.
主要成果:
- 优化的ANN袋证实了对未见数据的纳米粒子生存能力的准确和精确预测.
- 在k-bag或k-fraction机器中增加"k"会导致正常分布的可行性条带和更高的预测精度.
- K-分数机具有与4袋机可比的准确性,同时减轻了与ANN分歧的问题.
结论:
- 集成的人工神经网络,特别是k-分数机器,提供了对纳米粒子诱导的生物生存能力的强大而精确的预测.
- 可行性条带提供了比单个值更全面的预测,反映了不确定性.
- 这种方法提升了工程纳米材料安全和设计的预测能力.
