論文の概要: A Comparative Study of QSPR Methods on a Unique Multitask PAMPA dataset

• arxiv url: http://arxiv.org/abs/2605.00508v1
• Date: Fri, 01 May 2026 08:34:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 17:43:28.912497
• Title: A Comparative Study of QSPR Methods on a Unique Multitask PAMPA dataset
• Title（参考訳）: ユニークなマルチタスクPAMPAデータセットにおけるQSPR手法の比較検討
• Authors: Andrs Formanek, Anna Vincze, Richrd Bicsak, Yves Moreau, Gyorgy T. Balogh, Adam Arany,
• Abstract要約: 143の薬物候補分子と薬物候補分子からなる特異なマルチタスクデータセットを提示する。 受動的膜透過性予測における分子記述子および回帰モデルの有効性を系統的に評価した。 我々の知る限り、これは複数の臓器特異的なPAMPA膜の同時モデリングに関する最も包括的な研究である。
• 参考スコア（独自算出の注目度）: 3.78490552152237
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a unique, multitask dataset comprising 143 drug and drug candidate molecules, each evaluated on in vitro, parallel artificial-membrane permeability assays (PAMPA) using six different model membranes. Using this resource, we systematically assess the effectiveness of various molecular descriptors and regression models in predicting passive membrane permeability. The studied models range from simple linear regression to a modern pre-trained transformer architecture. Particular attention is given to the trade-off between predictive performance and model interpretability, highlighting the challenges introduced by machine learning approaches. To our knowledge, this is the most comprehensive study on simultaneous modeling of multiple organ-specific PAMPA membranes to date, offering novel insights into membrane-specific permeability profiles. We found that expert-designed physico-chemical property descriptors are more fitting for a limited sample size permeabilty study than deep learning based representations.
• Abstract（参考訳）: 6つの異なるモデル膜を用いて,143個の薬物および薬物候補分子からなるユニークなマルチタスクデータセットをin vitroで評価した。 この資源を用いて、受動的膜透過性を予測するために、様々な分子記述子と回帰モデルの有効性を体系的に評価する。 研究されたモデルは、単純な線形回帰から近代的な事前学習型トランスアーキテクチャまで様々である。 特に、予測性能とモデル解釈可能性のトレードオフに注意が向けられ、機械学習アプローチがもたらした課題を強調している。 我々の知る限り、これは複数の臓器特異的なPAMPA膜の同時モデリングに関する最も包括的な研究であり、膜特異的な透過性プロファイルに関する新たな知見を提供する。 その結果, 専門家が設計した物理化学的特性記述子は, 深層学習に基づく表現よりも, 限られたサンプルサイズ透視研究に適していることがわかった。

関連論文リスト

• Clinical NLP with Attention-Based Deep Learning for Multi-Disease Prediction [44.0876796031468]
  本稿では,電子健康記録テキストの非構造的性質と高次元意味論的複雑さがもたらす課題について論じる。 情報抽出と多ラベル病予測のための統合モデリングを実現するために,注意機構に基づく深層学習手法を提案する。
  論文  参考訳（メタデータ） (2025-07-02T07:45:22Z)
• MIN: Multi-channel Interaction Network for Drug-Target Interaction with Protein Distillation [64.4838301776267]
  マルチチャネルインタラクションネットワーク(MIN)はドラッグ・ターゲット・インタラクション(DTI)を予測するための新しいフレームワークである MINには、表現学習モジュールとマルチチャネルインタラクションモジュールが組み込まれている。 MINはDTI予測の強力なツールであるだけでなく、タンパク質結合部位の予測に関する新たな洞察も提供する。
  論文  参考訳（メタデータ） (2024-11-23T05:38:36Z)
• A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [73.35846234413611]
  薬物発見において、分子動力学(MD)シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。 我々は,数値MDを容易にし,タンパク質-リガンド結合ダイナミクスの正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。 従来の数値MDシミュレーションと比較して1K$times$ Speedupを実現することにより,NeuralMDの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2024-01-26T09:35:17Z)
• Objective-Agnostic Enhancement of Molecule Properties via Multi-Stage VAE [1.3597551064547502]
  変異オートエンコーダ(VAE)は医薬品発見の一般的な方法であり、その性能を改善するために様々なアーキテクチャやパイプラインが提案されている。 VAEアプローチは、データが高次元の周囲空間に埋め込まれた低次元多様体上にあるとき、多様体の回復不良に悩まされることが知られている。 本稿では, 合成データセット上での多様体回復を向上する多段階VAEアプローチを創薬分野に適用することを検討する。
  論文  参考訳（メタデータ） (2023-08-24T20:22:22Z)
• Machine Learning Small Molecule Properties in Drug Discovery [44.62264781248437]
  我々は, 結合親和性, 溶解性, ADMET (吸収, 分布, 代謝, 排出, 毒性) を含む幅広い特性について検討する。 化学指紋やグラフベースニューラルネットワークなど,既存の一般的な記述子や埋め込みについて論じる。 最後に、モデル予測の理解を提供する技術、特に薬物発見における重要な意思決定について評価する。
  論文  参考訳（メタデータ） (2023-08-02T22:18:41Z)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• A multi-stage machine learning model on diagnosis of esophageal manometry [50.591267188664666]
  このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。 これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
  論文  参考訳（メタデータ） (2021-06-25T20:09:23Z)
• Integrating Expert ODEs into Neural ODEs: Pharmacology and Disease Progression [71.7560927415706]
  潜在ハイブリッドモデル(LHM)は、専門家が設計したODEのシステムと機械学習したNeural ODEを統合し、システムのダイナミクスを完全に記述する。 新型コロナウイルス患者のLHMと実世界の集中治療データについて検討した。
  論文  参考訳（メタデータ） (2021-06-05T11:42:45Z)
• Predicting Chemical Properties using Self-Attention Multi-task Learning based on SMILES Representation [0.0]
  本研究では,変圧器変圧器モデルの構造的差異について検討し,新しい自己注意モデルを提案する。 不均衡な化学データセットを用いたマルチタスク学習環境において,自己認識モジュールの表現学習性能を評価した。
  論文  参考訳（メタデータ） (2020-10-19T09:46:50Z)

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。