search query: @keyword random forest / total: 7
reference: 7 / 7
« previous | next »
Author: | Sandholm, Niina |
Title: | Virtual biological activity profiles, biological descriptors, for use in data mining applications |
Virtuaaliset biologiset affiniteettiprofiilit, biologiset deskriptorit, tiedonlouhinnassa | |
Publication type: | Master's thesis |
Publication year: | 2008 |
Pages: | 91 Language: eng |
Department/School: | Elektroniikan, tietoliikenteen ja automaation tiedekunta |
Main subject: | Laskennallinen tekniikka (S-114) |
Supervisor: | Kaski, Kimmo |
Instructor: | Schmidt, Friedemann |
OEVS: | Electronic archive copy is available via Aalto Thesis Database.
Instructions Reading digital theses in the closed network of the Aalto University Harald Herlin Learning CentreIn the closed network of Learning Centre you can read digital and digitized theses not available in the open network. The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/ You can read theses on the Learning Centre customer computers, which are available on all floors.
Logging on to the customer computers
Opening a thesis
Reading the thesis
Printing the thesis
|
Location: | P1 Ark S80 | Archive |
Keywords: | rational drug design affinity fingerprints biological descriptor QSAR modeling random forest dataset enrichment lääkeainesuunnittelu affiniteettisormenjäljet biologinen deskriptori QSAR mallinnus päätösmetsä kemiallisen kirjaston rikastaminen |
Abstract (fin): | Rationaalisen lääkesuunnittelun tavoitteena on löytää uusia, lupaavia lääkeaineiksi soveltuvia yhdisteitä, jotka sitoutuvat spesifisesti vain kohdemolekyyliinsä aiheuttamatta sivuvaikutuksia. Uudet pienoiskokoiset menetelmät mahdollistavat yhdisteiden nopean testaamisen, joten biologisissa ja kemiallisissa tietokannoissa on saatavilla yhä enemmän informaatiota. Yksi rationaalisen lääketieteen haasteista on hyödyntää kerättyä informaatiota ja rakentaa sen perusteella yhdisteiden sitoutumista ennustavia malleja. Yhdisteiden sitoutumista ennustavat mallit ovat perinteisesti perustuneet yhdisteiden kemiallisesta rakenteesta johdettuihin muuttujiin eli deskriptoreihin. Äskettäin on kuitenkin esitetty, että uusia lääkeaineita voitaisiin löytää tehokkaammin käyttämällä biologisia deskriptoreita, jotka kuvaavat lääkkeen biologista aktiivisuutta muita kohdemolekyylejä kohtaan. Tämän työn tavoitteena oli luoda sarja aktiivisuutta ennustavia malleja, jotka oli muodostettu kemiallisiin rakenteisiin perustuvien deskriptoreiden avulla. Mallintamisessa käytettiin monia menetelmiä ongelman ratkaisuun parhaiten sopivien löytämiseksi. Sen jälkeen aktiivisuusmallien sarjaa käytettiin virtuaalisen biologisen aktiivisuusprofiilin muodostamiseen kullekin lääkeaine-ehdokkaalle. Biologista aktiivisuusprofiilia käytettiin biologisena deskriptorina pohjana uusille malleille, jotka rikastivat kemiallisia tietokantoja eli järjestivät yhdisteet niiden ennustetun aktiivisuuden mukaan. Mallit perustuivat aktiivisuusprofiilien vertaamiseen tunnettujen aktiivisten yhdisteiden profiileihin. Kun menetelmää verrattiin vakiintuneeseen kemiallisiin rakenteisiin perustuvaan menetelmään, se löysi enemmän aktiivisia yhdisteitä. Tämän perusteella voidaan päätellä, että biologiseen aktiivisuuteen perustuvat muuttujat ovat hyvä vaihtoehto perinteisille rakenteeseen pohjautuville muuttujille. |
ED: | 2008-11-12 |
INSSI record number: 36533
+ add basket
« previous | next »
INSSI