坏果2.0:复合性放荡的经验预测器,更新,现代化,并增强了可解释性
John A Ringer1, Christophe G Lambert1, Steven B Bradfute2
1Translational Informatics Division, Department of Internal Medicine, School of Medicine, University of New Mexico, Albuquerque, New Mexico 87131, United States.
Badapple 2.0是一个更新的工具,用于识别生物试验数据中的有问题的化合物,防止药物发现中的错误踪迹. 这种增强版本提高了全球研究人员的分析和效率.
科学领域:
- 化学信息学 化学信息学
- 生物医学数据科学 生物医学数据科学
- 药物发现 药物发现 药物发现
背景情况:
- 生物试验数据分析对于现代药物发现和化学生物学至关重要.
- 从杂乱的化合物中识别错误的踪迹是一个重大的挑战.
- 原始的Badapple工具 (BioAssay-Data关联性偏差模式学习引擎) 在2012年发布,以解决这个问题.
研究的目的:
- 为了介绍Badapple 2.0,这是Badapple软件的一个主要更新.
- 提高生物试验分析的功能,可扩展性和数据处理.
- 改进杂乱化合物的识别,减少药物发现中的错误路径.
主要方法:
- 完整的代码重写,包括软件工程,化学信息学和生物医学数据科学.
- 更新和扩展的测试数据集.
- 增强元数据以提高可解释性和更丰富的生物活性分析.
主要成果:
- Badapple 2.0提供了增强的功能,可扩展性和元数据.
- 更新的工具支持更好的解释性和更丰富的生物活性分析.
- 该系统对于早期药物发现活动具有广泛的适用性.
结论:
- Badapple 2.0 在分析生物试验数据方面取得了重大进展.
- 该工具对于识别散乱的化合物和避免错误的踪迹至关重要.
- 这个更新的软件提高了药物发现研究的效率,特别是在AI/ML授权的程序中.
更多相关视频
16:02Demonstration of the Sequence Alignment to Predict Across Species Susceptibility Tool for Rapid Assessment of Protein Conservation
Published on: February 10, 2023
06:50Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions
Published on: January 26, 2024
相关概念视频
Factors Affecting Dissolution: Polymorphism, Amorphism and Pseudopolymorphism
Some polymorphic crystals possess lower aqueous solubility than their amorphous counterparts, leading to incomplete absorption. For instance, the oral suspension of Chloramphenicol, which...
Probability Laws
Predicting Reaction Outcomes
Inductive Effects on Chemical Shift: Overview
Mechanistic Models: Compartment Models in Individual and Population Analysis
Dose-Response Relationship: Selectivity and Specificity
