QSAR based analysis of fatal drug induced renal toxicity
Notice bibliographique
Résumé
This study is aimed at finding Quantitative Structure Activity Relationships (QSAR) for drugs reported to result in fatal consequence due to kidney failure and categorized as Adverse Drug Reactions (ADR). Study is based on the reports from open source Canada Vigilance Adverse Reaction Online database. Biological toxicity of small molecules has been predicted as a function of molecular structural features represented by their molecular descriptors. QSAR methods used have identified the structural features of the drugs/molecules and predicted their toxicity. Drugs suspected to cause kidney failure as ADR were analyzed. The molecular descriptors of these drugs were obtained using DRAGON web interface. The structural characteristics that distinguish drugs reported to cause death due to kidney failure as ADR against drugs not causing death but causing kidney failure as ADR were checked. Three QSAR methods used to find the relationships were Simple Kmeans clustering, decision tree and linear regression analysis. The greater value of the descriptor MAXDP is favorable for preventing death has been illustrated by all three models. The 9-membered ring of the benzimidazole substructure can be inferred from Pubchem database to contribute positively towards death. The descriptor, T(N..P), sum of topological distances between N..P 2D atom pairs, would prevent death if its value is lowered. A decrease in value of the descriptor, PCR - ratio of multiple path count over path count, will result in a decrease in probability of fatal consequences. The study predicts that renal toxicity could be decreased if the above mentioned molecular descriptors are modified.
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 | 0,014 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».