Development of Quantitative Structure−Activity Relationships and Classification Models for Anticonvulsant Activity of Hydantoin Analogues
Notice bibliographique
Résumé
Classification and QSAR analysis was performed on a large set of hydantoin derivatives with measured anticonvulsant activity in mice and rats. The classification set comprised 287 hydantoins having maximal electroshock (MES) activity expressed in qualitative form. A subset of 94 hydantoins with MES ED(50) values was used for QSAR analysis. Numerical descriptors were generated to encode topological, geometric/structural, electronic, and thermodynamic properties of molecules. Analyses were performed with training and test sets of diverse compounds selected using their representation in a principal component space. Cell- and distance metric-based selection methods were employed in this process. For QSAR, a genetic algorithm (GA) was used for selecting subsets of 5-9 descriptors that minimize the rms error on the training sets. The most predictive models have rms errors of 0.86 (r(2) = 0.64) and 0.73 (r(2) = 0.75) ln(1/ED(50)) units on the cell- and distance metric-derived test sets, respectively, and showed convergence in the selected descriptors. Classification models were developed using recursive partitioning (RP) and spline-fitting with a GA (SFGA), a novel method we have implemented. The most predictive RP and SFGA models have classification rates of 75% and 80% on the test sets; both methods produced models with similar discriminating features. For QSAR and classification, consensus schemes gave improved predictive accuracy.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».