Q-РАСАР

Концепция количественной взаимосвязи между структурой и активностью чтения (q-RASAR) была разработана путем слияния Read-Across и QSAR . Это подход к статистическому моделированию , который использует меры сходства и ошибки в качестве дескрипторов в дополнение к обычным структурным и физико-химическим дескрипторам, и было показано, что он повышает внешнюю прогнозируемость моделей QSAR/QSPR. ^[1]

Новый подход количественного считывания структуры-активности (q-RASAR) объединяет преимущества как QSAR, так и сквозного считывания, что приводит к повышению прогнозируемости для того же уровня используемой химической информации. Этот подход использует соображения, основанные на сходстве, но при этом позволяет создавать простые, интерпретируемые и переносимые модели. Этот подход может быть использован для любого типа структурных и физико-химических дескрипторов и с любыми алгоритмами моделирования.

Подход q-RASAR использовался разными исследовательскими группами для разных конечных результатов. ^[2]^[3]^[4]^[5] Среди различных дескрипторов RASAR функция RA , среднее сходство и gm (коэффициент согласия Банерджи-Роя) показали высокую важность при моделировании в некоторых исследованиях. ^[5] В 2023 году коэффициенты сходства Банерджи-Роя sm 1 и sm2 также были предложены для выявления потенциальных скачков активности в наборе данных. ^[6] Подход q-RASAR имеет потенциал для заполнения пробелов в данных в прогнозной токсикологии , материаловедении , медицинской химии , пищевой науке , нанонауках , сельскохозяйственных науках и т. д.

Ссылки

^ Банерджи, Аркаправа; Рой, Кунал (1 октября 2022 г.). «Первый отчет о моделировании q-RASAR в направлении подхода, обеспечивающего простую интерпретируемость и эффективную переносимость» . Молекулярное разнообразие . 26 (5): 2847–2862. дои : 10.1007/s11030-022-10478-6 . ПМИД 35767129 . S2CID 250115457 — через Springer Link.
^ Чен, Шуо; Сунь, Гохуэй; Фань, Тэнцзяо; Ли, Фейфан; Сюй, Юаньцун; Чжан, На; Чжао, Лицзяо; Чжун, Руган (10 июня 2023 г.). «Экотоксикологическое исследование QSAR конденсированных/несконденсированных полициклических ароматических углеводородов (FNFPAH): оценка и приоритетность острой токсичности Pimephales promelas с помощью QSAR и методов консенсусного моделирования» . Наука об общей окружающей среде . 876 : 162736. Бибкод : 2023ScTEn.876p2736C . doi : 10.1016/j.scitotenv.2023.162736 . ПМИД 36907405 . S2CID 257489922 – через ScienceDirect.
^ Собаньска, Анна В. (1 июля 2023 г.). «In silico оценка рисков, связанных с воздействием пестицидов во время беременности» . Хемосфера . 329 : 138649. Бибкод : 2023Chmsp.329m8649S . doi : 10.1016/j.chemSphere.2023.138649 . ПМИД 37043889 . S2CID 258077023 – через ScienceDirect.
^ Ян, Лу; Тиан, Руя; Ли, Чжоуцзин; Ма, Сяоминь; Ван, Хунъянь; Сунь, Вэй (1 июля 2023 г.). «Оценка токсичности органических химикатов в отношении видов Gammarus на основе данных с использованием подхода QSAR» . Хемосфера . 328 : 138433. Бибкод : 2023Chmsp.328m8433Y . doi : 10.1016/j.chemSphere.2023.138433 . ПМИД 36963572 . S2CID 257704060 – через ScienceDirect.
^ Jump up to: ^а ^б Банерджи, Аркаправа; Рой, Кунал (20 марта 2023 г.). «О некоторых новых функциях, основанных на сходстве, используемых в подходе q-RASAR на основе машинного обучения для эффективного количественного прогнозирования выбранных конечных точек токсичности» . Химические исследования в токсикологии . 36 (3): 446–464. doi : 10.1021/acs.chemrestox.2c00374 . ПМИД 36811528 . S2CID 257100289 – через CrossRef.
^ Банерджи, Аркаправа; Рой, Кунал (22 мая 2023 г.). «Интеллектуальное обучение на основе прогнозов для разработки моделей c-RASAR для органических сенсибилизаторов кожи: оценка частоты ошибок классификации на основе новых коэффициентов сходства» . doi : 10.26434/chemrxiv-2023-20v0k – через препринты Cambridge Engage. {{cite journal}}: Для цитирования журнала требуется |journal= ( помощь )

[1] Банерджи, Аркаправа; Рой, Кунал (1 октября 2022 г.). «Первый отчет о моделировании q-RASAR в направлении подхода, обеспечивающего простую интерпретируемость и эффективную переносимость» . Молекулярное разнообразие . 26 (5): 2847–2862. дои : 10.1007/s11030-022-10478-6 . ПМИД 35767129 . S2CID 250115457 — через Springer Link.

[2] Чен, Шуо; Сунь, Гохуэй; Фань, Тэнцзяо; Ли, Фейфан; Сюй, Юаньцун; Чжан, На; Чжао, Лицзяо; Чжун, Руган (10 июня 2023 г.). «Экотоксикологическое исследование QSAR конденсированных/несконденсированных полициклических ароматических углеводородов (FNFPAH): оценка и приоритетность острой токсичности Pimephales promelas с помощью QSAR и методов консенсусного моделирования» . Наука об общей окружающей среде . 876 : 162736. Бибкод : 2023ScTEn.876p2736C . doi : 10.1016/j.scitotenv.2023.162736 . ПМИД 36907405 . S2CID 257489922 – через ScienceDirect.

[3] Собаньска, Анна В. (1 июля 2023 г.). «In silico оценка рисков, связанных с воздействием пестицидов во время беременности» . Хемосфера . 329 : 138649. Бибкод : 2023Chmsp.329m8649S . doi : 10.1016/j.chemSphere.2023.138649 . ПМИД 37043889 . S2CID 258077023 – через ScienceDirect.

[4] Ян, Лу; Тиан, Руя; Ли, Чжоуцзин; Ма, Сяоминь; Ван, Хунъянь; Сунь, Вэй (1 июля 2023 г.). «Оценка токсичности органических химикатов в отношении видов Gammarus на основе данных с использованием подхода QSAR» . Хемосфера . 328 : 138433. Бибкод : 2023Chmsp.328m8433Y . doi : 10.1016/j.chemSphere.2023.138433 . ПМИД 36963572 . S2CID 257704060 – через ScienceDirect.

[auto-5] Jump up to: ^а ^б Банерджи, Аркаправа; Рой, Кунал (20 марта 2023 г.). «О некоторых новых функциях, основанных на сходстве, используемых в подходе q-RASAR на основе машинного обучения для эффективного количественного прогнозирования выбранных конечных точек токсичности» . Химические исследования в токсикологии . 36 (3): 446–464. doi : 10.1021/acs.chemrestox.2c00374 . ПМИД 36811528 . S2CID 257100289 – через CrossRef.

[6] Банерджи, Аркаправа; Рой, Кунал (22 мая 2023 г.). «Интеллектуальное обучение на основе прогнозов для разработки моделей c-RASAR для органических сенсибилизаторов кожи: оценка частоты ошибок классификации на основе новых коэффициентов сходства» . doi : 10.26434/chemrxiv-2023-20v0k – через препринты Cambridge Engage. {{cite journal}}: Для цитирования журнала требуется |journal= ( помощь )

[1]

[2]

[3]

[4]

[5]

[6]