(L'inglese segue il giapponese)
Titolo: Sviluppo di un metodo di previsione della tossicità altamente accurato utilizzando le funzioni di apprendimento automatico di JMP
Yoshihiro Uezawa, professore associato, Meiji Pharmaceutical University
Con la crescente consapevolezza ambientale degli ultimi anni, si è assistito a un crescente slancio in tutto il mondo verso una ricerca approfondita degli effetti nocivi di tutte le sostanze chimiche nella nostra vita quotidiana. Tuttavia, l'enorme quantità di sostanze chimiche disponibili rende le indagini sperimentali poco pratiche in termini di tempo, budget ed etica della sperimentazione sugli animali. In questo contesto, sta attirando l'attenzione la "tossicologia computazionale", un campo accademico che mira a prevedere la tossicità delle sostanze chimiche in modo statistico e computazionale, basandosi sulle informazioni note accumulate fino a oggi. Nel 2014, l'NIH statunitense ha organizzato la "Tox21 Data Challenge 2014", una competizione di tossicologia computazionale su larga scala che ha utilizzato dati relativi alla tossicità di 10.000 composti. In questa competizione, a cui si sono iscritte oltre 100 squadre provenienti da 18 paesi, il relatore ha utilizzato Bootstrap Forest, una delle funzioni di apprendimento automatico integrate in JMP Pro, per analizzare modelli di diverse informazioni ottenute da strutture chimiche, ed è riuscito a vincere la sua categoria per la previsione di sostanze simili agli ormoni femminili. In questa presentazione vorrei illustrare la selezione del modello di foresta bootstrap ottimale basato sulle funzioni flessibili di JMP, che ho utilizzato nella competizione.
Sito web correlato: http://www.my-pharm.ac.jp/news/info_detail.html?id=599
Sviluppo di metodi di previsione della tossicità altamente accurati utilizzando la funzione di apprendimento automatico JMP ®
Sviluppo di metodi di previsione della tossicità altamente accurati utilizzando la funzione di apprendimento automatico JMP ®
Insieme all'aumento della consapevolezza ambientale negli ultimi anni, l'indagine esaustiva di tutte le sostanze chimiche pericolose che ci circondano sta guadagnando slancio in tutto il mondo. Tuttavia, esiste un vasto numero di diversi tipi di sostanze chimiche, il che significa che le indagini sperimentali non sono pratiche da una prospettiva temporale, di bilancio o etica (sperimentazione sugli animali). Il campo accademico della tossicologia computazionale sta attirando attenzione per la sua capacità di prevedere, statisticamente e con l'informatica, la tossicità delle sostanze chimiche sulla base di informazioni esistenti che sono state accumulate. Nel 2014, i National Institutes of Health negli Stati Uniti hanno organizzato la Tox21 Data Challenge 2014, un'ambiziosa competizione di tossicologia computazionale utilizzando dati relativi alla tossicità riguardanti 10.000 composti. In questa competizione, che ha visto la partecipazione di oltre 100 team da 18 paesi, i concorrenti hanno utilizzato bootstrap forest, una delle funzioni di apprendimento automatico in JMP Pro, per analizzare una varietà di modelli di informazioni acquisiti da strutture chimiche. Ciò ha portato a una vittoria dipartimentale relativa alla previsione di sostanze simili agli ormoni femminili. In questa presentazione parlerò della selezione del modello di foresta bootstrap ottimale basato sulle funzioni flessibili in JMP utilizzate durante la competizione.
Sito correlato: http:// http://www.my-pharm.ac.jp/news/info_detail.html?id=599
