Застосування методів машинного навчання для прогнозування ADME-Tox огляд Експертна думка щодо наркотиків

  • Повна стаття
  • Цифри та дані
  • Список літератури
  • Цитати
  • Метрики
  • Передруки та дозволи
  • Отримати доступ /doi/full/10.1517/17425255.2015.980814?needAccess=true

Вступ: Фармакокінетика передбачає вивчення всмоктування, розподілу, метаболізму, виведення та токсичності ксенобіотиків (ADME-Tox). У цьому сенсі профіль ADME-Tox біологічно активної сполуки може вплинути на її ефективність та безпеку. Більше того, ефективність та безпека вважалися одними з основних причин клінічних невдач при розробці нових хімічних об'єктів. У цьому контексті в дослідженнях ADME-Tox часто використовуються методи машинного навчання (ML) завдяки існуванню сполук з відомими фармакокінетичними властивостями, доступних для створення прогнозних моделей.

застосування

Сфери охоплення: Цей огляд вивчає зростання використання деяких методів ML у дослідженнях ADME-Tox, зокрема контрольованих та неконтрольованих методів. Крім того, деякі критичні точки (наприклад, розмір набору даних та тип вихідної змінної) повинні враховуватися під час створення моделей, які пов'язані з властивостями ADME-Tox та біологічною активністю.