| SYSNO ASEP | 0502626
|
|---|
| Document Type | J - Journal Article
|
|---|
| R&D Document Type | Journal Article
|
|---|
| Subsidiary J | Článek ve WOS
|
|---|
| Title | QSAR – Modelování kvantitativních vztahů mezi strukturou a aktivitou chemických látek
|
|---|
| Title | QSAR – Modelling of Quantitative Relations between Structure and Activity of Chemical Compounds
|
|---|
| Author(s) | Škuta, Ctibor (UMG-J)
Svozil, Daniel (UMG-J)
|
|---|
| Source Title | Chemické listy. - : Česká společnost chemická
- ISSN 0009-2770
Roč. 111, č. 11 (2017), s. 747-753
|
|---|
| Number of pages | 7 s.
|
|---|
| Language | cze - Czech
|
|---|
| Country | CZ - Czech Republic
|
|---|
| Keywords | QSAR ; biological activity modelling ; data mining ; virtual screening ; applicability domain ; conformal prediction
|
|---|
| Subject RIV | EB - Genetics ; Molecular Biology
|
|---|
| OECD category | Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
|
|---|
| R&D Projects | LO1220 GA MŠMT - Ministry of Education, Youth and Sports (MEYS)
|
|---|
| Institutional support | UMG-J - RVO:68378050
|
|---|
| UT WOS | 000418342800007
|
|---|
| Annotation | Kvantitativní modelování vztahů mezi strukturou a aktivitou (QSAR) je jednou z nejpopulárnějších technik virtuálního screeningu, která se používá k predikci aktivity sloučeniny směrem k biologickému cíli. Zatímco modely klasifikace QSAR jsou schopny předvídat, zda je sloučenina aktivní nebo neaktivní (třída) směrem k cíli, regresní modely se snaží předpovědět přesnou hodnotu aktivity. Pro zjištění vztahu mezi strukturou a aktivitou sloučeniny se používají běžné metody strojového učení (např. Podpůrné vektorové stroje, náhodný les, neuronové sítě atd.) Spolu s různými typy deskriptorů sloučenin (např. Fyzikálně-chemické vlastnosti, strukturální klíče, binární otisky prstů atd.). Modely QSAR jsou obecně velmi rychlé a pokud je použit správný přístup k jejich validaci a použitelnosti domény nastavení, také spolehlivé. Staly se běžnou součástí pracovních postupů pro výpočet léků používaných k detekci nových kandidátů na léky, objasnění jejich vedlejších / nepříznivých účinků nebo posouzení jejich potenciálních rizik toxicity.
|
|---|
| Description in English | Quantitative structure–activity relationship (QSAR) modelling is one of the most popular techniques of virtual screening used to predict the activity of a compound toward a biological target. While QSAR classification models are able to predict whether a compound is active or inactive (class) toward a target, regression models try to predict its exact activity value. To find the relationship between the structure and activity of a compound, common machine learning methods are employed (e.g., Support Vector Machines, Random Forest, Neural Networks etc.) together with diverse types of compound descriptors (e.g., physico-chemical properties, structural keys, binary fingerprints etc.). QSAR models are generally very fast and, when a correct approach to their validation and applicability domain setting is used, also reliable. They became a common part of computational drug design workflows employed to detect new drug candidates, elucidate their side/adverse effects or assess their potential toxicity risks.
|
|---|
| Workplace | Institute of Molecular Genetics
|
|---|
| Contact | Nikol Škňouřilová, nikol.sknourilova@img.cas.cz, Tel.: 241 063 217
|
|---|
| Year of Publishing | 2019
|
|---|
