論文の概要: Low cost prediction of probability distributions of molecular properties
for early virtual screening
- arxiv url: http://arxiv.org/abs/2207.11174v1
- Date: Thu, 21 Jul 2022 13:29:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-25 13:53:40.469972
- Title: Low cost prediction of probability distributions of molecular properties
for early virtual screening
- Title（参考訳）: 初期仮想スクリーニングのための分子特性の確率分布の低コスト予測
- Authors: Jarek Duda, Sabina Podlewska
- Abstract要約: 本稿では, 階層的相関再構築手法を適用し, 人口統計, 財務, 天文学的データの解析に応用した。
この手法は、望まれる物理化学的/ADMET特性の可能性が低い化合物の迅速な拒絶を可能にするため、医薬化学者にとって大きな支援となる。
- 参考スコア（独自算出の注目度）: 0.8702432681310399
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While there is a general focus on predictions of values, mathematically more
appropriate is prediction of probability distributions: with additional
possibilities like prediction of uncertainty, higher moments and quantiles. For
the purpose of the computer-aided drug design field, this article applies
Hierarchical Correlation Reconstruction approach, previously applied in the
analysis of demographic, financial and astronomical data. Instead of a single
linear regression to predict values, it uses multiple linear regressions to
independently predict multiple moments, finally combining them into predicted
probability distribution, here of several ADMET properties based on
substructural fingerprint developed by Klekota\&Roth. Discussed application
example is inexpensive selection of a percentage of molecules with properties
nearly certain to be in a predicted or chosen range during virtual screening.
Such an approach can facilitate the interpretation of the results as the
predictions characterized by high rate of uncertainty are automatically
detected. In addition, for each of the investigated predictive problems, we
detected crucial structural features, which should be carefully considered when
optimizing compounds towards particular property. The whole methodology
developed in the study constitutes therefore a great support for medicinal
chemists, as it enable fast rejection of compounds with the lowest potential of
desired physicochemical/ADMET characteristic and guides the compound
optimization process.
- Abstract（参考訳）: 一般に値の予測に焦点が当てられているが、数学的にはより適切なのは確率分布の予測である。
コンピュータ支援薬物設計の分野では, 階層的相関再構築手法を適用し, 人口統計, 財務, 天文学的データの解析に応用した。
値を予測するための単一の線形回帰の代わりに、複数の線形回帰を用いて独立に複数のモーメントを予測し、最終的にそれらを組み合わせて予測確率分布へと予測する。
開示された応用例は、仮想スクリーニング中に予測または選択された範囲にあることがほぼ確実な性質を持つ分子の割合の安価な選択である。
このようなアプローチは、高い不確実性率で特徴づけられる予測が自動的に検出されるので、結果の解釈を容易にすることができる。
また, それぞれの予測問題に対して, 化合物を特定の特性に最適化する際に考慮すべき重要な構造的特徴を検出した。
本研究で開発された全手法は, 所望の物理化学的・アドメット特性の最小ポテンシャルを有する化合物の迅速な拒絶を可能とし, 化合物最適化プロセスを導くため, 医薬化学者にとって大きな支援となる。
関連論文リスト
- Balancing Molecular Information and Empirical Data in the Prediction of Physico-Chemical Properties [8.649679686652648]
本稿では,分子記述子と表現学習を組み合わせた一般的な手法を提案する。
提案したハイブリッドモデルは,グラフニューラルネットワークを用いた化学構造情報を利用する。
構造に基づく予測が信頼できない場合を自動的に検出し、表現学習に基づく予測によって修正する。
論文 参考訳（メタデータ） (2024-06-12T10:51:00Z) - Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳（メタデータ） (2024-03-02T00:56:05Z) - Structured Radial Basis Function Network: Modelling Diversity for
Multiple Hypotheses Prediction [51.82628081279621]
多重モード回帰は非定常過程の予測や分布の複雑な混合において重要である。
構造的放射基底関数ネットワークは回帰問題に対する複数の仮説予測器のアンサンブルとして提示される。
この構造モデルにより, このテッセルレーションを効率よく補間し, 複数の仮説対象分布を近似することが可能であることが証明された。
論文 参考訳（メタデータ） (2023-09-02T01:27:53Z) - Development and Evaluation of Conformal Prediction Methods for QSAR [0.5161531917413706]
定量的構造活性相関モデル(QSAR)は、化合物の生物活性を予測するために一般的に用いられる手法である。
優れた予測性能を達成する機械学習(ML)アルゴリズムの多くは、予測の不確実性を推定するためのいくつかのアドオンメソッドを必要とする。
コンフォーマル予測(CP)は予測アルゴリズムに非依存であり、データ分布の弱い仮定の下で有効な予測間隔を生成できる。
論文 参考訳（メタデータ） (2023-04-03T13:41:09Z) - TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。
本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。
本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
論文 参考訳（メタデータ） (2022-02-07T21:37:29Z) - Calibrated Uncertainty for Molecular Property Prediction using Ensembles
of Message Passing Neural Networks [11.47132155400871]
我々は、分子や物質の特性を予測するために特別に設計されたメッセージパッシングニューラルネットワークを拡張した。
その結果,分子生成エネルギーのキャリブレーションの不確実性を考慮した予測モデルが得られた。
論文 参考訳（メタデータ） (2021-07-13T13:28:11Z) - Probabilistic Gradient Boosting Machines for Large-Scale Probabilistic
Regression [51.770998056563094]
PGBM(Probabilistic Gradient Boosting Machines)は、確率的予測を生成する手法である。
既存の最先端手法と比較してPGBMの利点を実証的に示す。
論文 参考訳（メタデータ） (2021-06-03T08:32:13Z) - Assigning Confidence to Molecular Property Prediction [1.015785232738621]
機械学習は、既存のデータセットから学び、目に見えない分子の予測を実行する強力な戦略として登場した。
薬物設計に関連する分子特性を予測するための一般的な戦略、それに対応する不確実性源および不確実性および信頼性を定量化する方法について議論する。
論文 参考訳（メタデータ） (2021-02-23T01:03:48Z) - Prediction in latent factor regression: Adaptive PCR and beyond [2.9439848714137447]
我々は、大きなクラスの予測子のリスクバウンドを確立するマスター定理を証明する。
主定理を用いて、最小ノルム補間予測器の既知のリスク境界を復元する。
理論的結果を裏付け,補完するための詳細なシミュレーション研究を締めくくった。
論文 参考訳（メタデータ） (2020-07-20T12:42:47Z) - Unlabelled Data Improves Bayesian Uncertainty Calibration under
Covariate Shift [100.52588638477862]
後続正則化に基づく近似ベイズ推定法を開発した。
前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
論文 参考訳（メタデータ） (2020-06-26T13:50:19Z) - Invariant Rationalization [84.1861516092232]
典型的な合理化基準、すなわち最大相互情報(MMI)は、合理性のみに基づいて予測性能を最大化する合理性を見つける。
ゲーム理論の不変な有理化基準を導入し、各環境において同じ予測器を最適にするために、有理を制約する。
理論的にも実証的にも、提案された理性は、素早い相関を除外し、異なるテストシナリオをより一般化し、人間の判断とよく一致させることができることを示す。
論文 参考訳（メタデータ） (2020-03-22T00:50:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。