(L'inglese segue il giapponese)
Titolo giapponese: sviluppo di un metodo di previsione della tossicità ad alta precisione utilizzando la funzione di apprendimento automatico di JMP
Professore associato della Meiji Pharmaceutical University Yoshihiro Uzawa
Insieme alla recente consapevolezza della consapevolezza ambientale, l'impulso a indagare in modo completo sulla nocività di tutte le sostanze chimiche che ci circondano è in aumento in tutto il mondo.Tuttavia, poiché i tipi di sostanze chimiche sono enormi, le indagini sperimentali non sono realistiche dal punto di vista del tempo, del budget e dell'etica sperimentale degli animali.Alla luce di questo contesto, "tossicologia computazionale", che è un campo accademico volto a prevedere la tossicità delle sostanze chimiche statisticamente e scientificamente basata sul computer sulle informazioni conosciute accumulate fino ad oggi, attira l'attenzione.Nel 2014, il NIH degli Stati Uniti ha tenuto un concorso di tossicologia computazionale su larga scala "Tox 21 Data Challenge 2014" utilizzando dati relativi alla tossicità di 10.000 composti.In questa competizione in cui più di 100 team provenienti da 18 paesi hanno partecipato e registrato, l'esecutore ha analizzato lo schema delle varie informazioni ottenute dalla struttura chimica utilizzando la foresta di bootstrap, che è una delle funzioni di apprendimento automatico installate in JMP Pro , Siamo stati in grado di vincere la divisione in termini di previsione di sostanze simili agli ormoni femminili.In questa presentazione, vorrei presentare la selezione ottimale del modello di foresta di bootstrap basata sulla funzione flessibile di JMP utilizzata dal performer per la competizione.
Siti correlati: http://www.my-pharm.ac.jp/news/info_detail.html?id=599
Lo sviluppo di metodi di predizione della tossicità altamente accurati Utilizzando il JMP ® Funzione di apprendimento automatico
Lo sviluppo di metodi di predizione della tossicità altamente accurati Utilizzando il JMP ® Funzione di apprendimento automatico
Insieme con l'aumento della coscienza 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 pratici da una prospettiva, una prospettiva di bilancio o una prospettiva etica (test sugli animali). Il campo accademico della tossicologia computazionale sta guadagnando attenzione per la sua capacità di prevedere, statisticamente e con l'informatica, la tossicità delle sostanze chimiche sulla base delle informazioni esistenti che sono state accumulate. Nel 2014, National Institutes of Health negli Stati Uniti ha organizzato il Tox 21 Data Challenge 2014, un'ambiziosa competizione di tossicologia computazionale che utilizza dati relativi alla tossicità relativi a 10.000 composti. In questa competizione, che comprendeva oltre 100 squadre partecipanti provenienti da 18 paesi, i concorrenti hanno utilizzato la foresta di bootstrap, una delle funzioni di apprendimento automatico in JMP Pro, per analizzare una varietà di modelli di informazioni acquisite da strutture chimiche. Ciò ha comportato una vittoria dipartimentale legata alla previsione di sostanze simili agli ormoni femminili. In questa presentazione, illustrerò la selezione del modello ottimale di foresta di bootstrap 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
