研究预测人类口服药物的生物可用性基于改进的深森林的研究
Lei Ma1, Yukun Yan1, Shaoxing Dai1
1Kunming University of Science and Technology, Kunming, CN 650500, China.
这项研究引入了一种改进的深森林模型,用于预测人类口服生物可用性,对于小型数据集尤其有效. 这种新方法增强了特征提取和训练,提高了药物发现的预测准确性.
科学领域:
- 药理学 药理学是指药理学的学科.
- 计算化学计算化学
- 机器学习 机器学习
背景情况:
- 人口生物可用性对于药物发现和开发至关重要.
- 由于有限的数据,精确预测口服生物利用性是具有挑战性的.
- 现有的深森林模型在处理小数据集和特征处理方面存在局限性.
研究的目的:
- 开发一个改进的深森林模型,准确地预测人类口服生物可用性.
- 解决现有模型在小样本规模场景中的局限性.
- 增强特征提取和模型训练,以提高预测性能.
主要方法:
- 使用Mordred描述符方法进行特征提取.
- 实施了一种改进的平衡多粒度扫描技术,以增强功能.
- 使用特征测绘级联森林,包括主要组件分析 (PCA),用于预测.
- 引入了一种新的平衡多粒度扫描映射级联森林 (bgmc-forest) 模型.
主要成果:
- 与现有方法相比,拟议的bgmc-forest模型在人类口服生物利用率预测方面表现优越.
- 对比实验验证实了该模型的有效性.
- 废弃实验证实了bgmc森林中改进模块的有效性.
- 沙普利增量解释 (SHAP) 算法被用来解释模型的决策过程.
结论:
- bgmc-forest模型为预测人类口服生物利用性提供了一个强大的解决方案,特别是在有限的数据的情况下.
- 增强的特征提取和训练过程显著提高了预测准确性.
- 该模型为预测过程提供了可解释的见解,有助于药物发现工作.
更多相关视频
11:09An Analytical Tool-box for Comprehensive Biochemical, Structural and Transcriptome Evaluation of Oral Biofilms Mediated by Mutans Streptococci
Published on: January 25, 2011
07:09Use of a High-throughput In Vitro Microfluidic System to Develop Oral Multi-species Biofilms
Published on: December 1, 2014
相关概念视频
Bioavailability: Overview
Factors Influencing Drug Absorption: Presystemic Elimination
Factors Influencing Bioavailability: First-Pass Elimination
Analysis of Population Pharmacokinetic Data
Non-Oral Extravascular Drug Absorption Routes
Lipophilic drugs that are stable at salivary pH (6) and exhibit minimal binding to the oral mucosa are absorbed more...
Physiological Pharmacokinetic Models: Incorporating Hepatic Transporter-Mediated Clearance
A recent model describes pravastatin's hepatobiliary excretion,...
