QSAR – Modelování kvantitativních vztahů mezi strukturou a aktivitou chemických látek

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68378050%3A_____%2F17%3A00502626" target="_blank" >RIV/68378050:_____/17:00502626 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

QSAR – Modelování kvantitativních vztahů mezi strukturou a aktivitou chemických látek

Popis výsledku v původním jazyce

Kvantitativní modelování vztahů mezi strukturou a aktivitou (QSAR) je jednou z nejpopulárnějších technik virtuálního screeningu, která se používá k predikci aktivity sloučeniny směrem k biologickému cíli. Zatímco modely klasifikace QSAR jsou schopny předvídat, zda je sloučenina aktivní nebo neaktivní (třída) směrem k cíli, regresní modely se snaží předpovědět přesnou hodnotu aktivity. Pro zjištění vztahu mezi strukturou a aktivitou sloučeniny se používají běžné metody strojového učení (např. Podpůrné vektorové stroje, náhodný les, neuronové sítě atd.) Spolu s různými typy deskriptorů sloučenin (např. Fyzikálně-chemické vlastnosti, strukturální klíče, binární otisky prstů atd.). Modely QSAR jsou obecně velmi rychlé a pokud je použit správný přístup k jejich validaci a použitelnosti domény nastavení, také spolehlivé. Staly se běžnou součástí pracovních postupů pro výpočet léků používaných k detekci nových kandidátů na léky, objasnění jejich vedlejších / nepříznivých účinků nebo posouzení jejich potenciálních rizik toxicity.

Název v anglickém jazyce

QSAR – Modelling of Quantitative Relations between Structure and Activity of Chemical Compounds

Popis výsledku anglicky

Quantitative structure–activity relationship (QSAR) modelling is one of the most popular techniques of virtual screening used to predict the activity of a compound toward a biological target. While QSAR classification models are able to predict whether a compound is active or inactive (class) toward a target, regression models try to predict its exact activity value. To find the relationship between the structure and activity of a compound, common machine learning methods are employed (e.g., Support Vector Machines, Random Forest, Neural Networks etc.) together with diverse types of compound descriptors (e.g., physico-chemical properties, structural keys, binary fingerprints etc.). QSAR models are generally very fast and, when a correct approach to their validation and applicability domain setting is used, also reliable. They became a common part of computational drug design workflows employed to detect new drug candidates, elucidate their side/adverse effects or assess their potential toxicity risks.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/LO1220" target="_blank" >LO1220: CZ-OPENSCREEN: Národní infrastruktura chemické biologie</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Chemické listy

ISSN

1213-7103

e-ISSN

—

Svazek periodika

111

Číslo periodika v rámci svazku

11

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

7

Strana od-do

747-753

Kód UT WoS článku

000418342800007

EID výsledku v databázi Scopus

—