MétaCan
Menu
Retour à la cohorte
Enregistrement W2025485735 · doi:10.1002/qsar.200810166

QSAR Studies of HEPT Derivatives Using Support Vector Machines

2009· article· en· W2025485735 sur OpenAlexaff
Rachid Darnag, Andreea R. Schmitzer, Yamina Belmiloud, Didier Villemin, Abdellah Jarid, Abderrahman Chait, Maria Seyagh, Driss Cherqaoui

Notice bibliographique

RevueQSAR & Combinatorial Science · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV/AIDS drug development and treatment
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésSupport vector machineThymineQuantitative structure–activity relationshipKernel (algebra)Steric effectsArtificial neural networkChemistryMolecular descriptorHuman immunodeficiency virus (HIV)Artificial intelligenceBiological systemComputer scienceCombinatorial chemistryStereochemistryMathematicsBiologyBiochemistryVirology

Résumé

récupéré en direct d'OpenAlex

Abstract Human Immunodeficiency Virus type 1 reverse transcriptase is an important target for chemotherapeutic agents against the AIDS disease. 1‐[2‐Hydroxyethoxy‐methyl]‐6‐(phenylthio) thymine] derivatives are potent nonnucleoside reverse transcriptase inhibitors. In the present work, quantitative structure‐activity relationship analysis for a set of 79 HEPT derivatives has been investigated by means of support vector machines. The relationships between structure and activity were examined quantitatively using descriptors encoding the steric, hydrophobic, electronic and structural features of 1‐[2‐hydroxyethoxy‐methyl]‐6‐(phenylthio) thymine] derivatives. The performance and predictive capability of support vector machines method are investigated and compared with other methods such as artificial neural network and multiple linear regression methods. The obtained results indicate that the support vector machines model with the kernel radial basis function can be employed as a forceful tool for quantitative structure‐activity relationship studies. The contribution of each descriptor to the structure‐activity relationships was evaluated.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,045
Tête enseignante GPT0,363
Écart entre enseignants0,318 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQSAR & Combinatorial ScienceMême sujetHIV/AIDS drug development and treatmentTravaux en français237 207