(L'anglais suit le japonais)
Titre japonais: Mise au point d’une méthode de prévision de la toxicité de haute précision utilisant la fonction d’apprentissage automatique de JMP
Professeur associé à l'Université Meiji Pharmaceutical, Yoshihiro Uzawa
Parallèlement à la prise de conscience récente de la sensibilisation à l'environnement, le momentum pour mener une enquête approfondie sur la nocivité de toutes les substances chimiques qui nous entourent se renforce dans le monde entier.Cependant, comme les types de substances chimiques sont énormes, les investigations expérimentales sont irréalistes du point de vue temporel, budgétaire et de l'éthique expérimentale animale.Compte tenu de ce qui précède, la "toxicologie informatique", qui est un domaine universitaire visant à prévoir la toxicité des substances chimiques sur une base statistique et informatique, sur la base des informations connues accumulées jusqu'à présent, attire l'attention.En 2014, le NIH des États-Unis a organisé un concours de toxicologie informatique à grande échelle intitulé "Tox 21 Data Challenge 2014", qui utilisait des données relatives à la toxicité de 10 000 composés.Lors de cette compétition, à laquelle plus de 100 équipes de 18 pays ont participé et qui se sont inscrites, l’artiste a analysé les différentes informations obtenues à partir de la structure chimique à l’aide de la forêt de bootstrap, une des fonctions d’apprentissage automatique installée dans JMP Pro. , Nous avons pu gagner la division en termes de prédiction de substances analogues aux hormones féminines.Dans cette présentation, je voudrais aborder la sélection optimale du modèle de forêt bootstrap basée sur la fonction flexible de JMP utilisée par l’artiste pour la compétition.
Sites connexes: http://www.my-pharm.ac.jp/news/info_detail.html?id=599
Mise au point de méthodes de prévision de la toxicité extrêmement précises à l'aide du JMP ® Fonction d'apprentissage automatique
Mise au point de méthodes de prévision de la toxicité extrêmement précises à l'aide du JMP ® Fonction d'apprentissage automatique
Parallèlement à l’augmentation de la prise de conscience environnementale de ces dernières années, l’enquête exhaustive sur toutes les substances chimiques dangereuses qui nous entourent gagne du terrain dans le monde entier. Cependant, il existe un grand nombre de types différents de substances chimiques, ce qui signifie que les enquêtes expérimentales ne sont pas pratiques du point de vue du budget ou de l'éthique (tests sur animaux). Le domaine universitaire de la toxicologie informatique attire l'attention sur sa capacité à prédire, statistiquement et avec l'informatique, la toxicité de substances chimiques sur la base des informations existantes accumulées. En 2014, les instituts nationaux de la santé des États-Unis ont organisé le Tox 21 Data Challenge 2014, un ambitieux concours de toxicologie informatique utilisant des données relatives à la toxicité concernant 10 000 composés. Lors de cette compétition, qui a rassemblé plus de 100 équipes de 18 pays, les concurrents ont utilisé la forêt bootstrap, l'une des fonctions d'apprentissage automatique de JMP Pro, pour analyser divers types d'informations acquises à partir de structures chimiques. Cela a abouti à une victoire ministérielle liée à la prédiction de substances analogues aux hormones féminines. Dans cette présentation, je discuterai du choix du modèle de forêt bootstrap optimal basé sur les fonctions flexibles de JMP utilisées lors de la compétition.
Site connexe: http: // http://www.my-pharm.ac.jp/news/info_detail.html?id=599
