Schlüsselwort: Chemieinformatik

Schätzen der Klassenzugehörigkeitswahrscheinlichkeit zur Definition des Arbeitsbereichs von chemieinformatorischen Klassifikationsmodellen

Schätzen der Klassenzugehörigkeitswahrscheinlichkeit zur Definition des Arbeitsbereichs von chemieinformatorischen Klassifikationsmodellen von Mathea, Miriam
This study analyses several regression- and classification techniques regarding their ability to estimate class-probabilities precisely. Furthermore the effect of the calibration (with use of logistic regression) and the influence factors: accuracy, correlation structure and data-set-size were analyzed. Class-probability-estimates can be used to define an applicability domain for a regression- or classification-model. The definition of an applicability domain by using class-probability-estimates (Reject Option) was compared to the approach of the Conformal Predictors. In summary, all studied techniques (Random Forests, Random Forest Regression, Support Vector Machines, Support Vector Regression, K-Nearest-Neighbor, Partial Least Squares Discriminant Analysis, Sparse Partial Least Squares Regression, Ridge Regression, Elastic Net, Least Absolute Shrinkage and Selection Operator), except Linear Discriminant Analysis, Neural Networks and Naïve Bayesian Classifier benefit from calibration with logistic regression. The accuracy and the correlation structure have the strongest impact. The stability of class-probability-estimates improves by generating hetero-ensembles. Good calibrated class-probability-estimates are able to define an applicability domain in a very efficient way, compared to the conformal predictor.
Aktualisiert: 2021-04-16
Autor:
> findR *
> Buchhandlung findr > Verlag findr > Für Buchhändler

Optimistische Verzerrung in der Chemieinformatik

Optimistische Verzerrung in der Chemieinformatik von Klingspohn, Waldemar
Die zunehmende Methodenvielfalt stellt Chemieinformatiker immer mehr vor die Herausforderung, die optimale Methode für ein bestimmtes Vorhersagemodell zu wählen. Die neu vorgestellten Methoden zeigen sich hinsichtlich ihrer Vorhersageleistung gegenüber literaturbekannten Standard-Methoden vielfach überlegen oder kompetitiv. Nach der Implementierung dieser neuen Methoden schneiden diese allerdings vielfach schlechter ab als erwartet. Die scheinbare Überlegenheit kann die Folge einer sog. optimistischen Verzerrung bzw. eines Überoptimismus sein. Darunter ist eine fehlinterpretierte Überlegenheit einer Methode oder generell die systematische Verzerrung von Studienergebnissen zu verstehen. Das Ziel dieser Arbeit ist es, den Effekt des Überoptimismus anhand inadäquater externer Validierung und anhand von Beispielen ausgewählter neuer Klassifikationsmethoden aus der Literatur zu untersuchen. Anhand dieser Beispiele wird deutlich, wie einfach Überoptimismus in Studienergebnisse einfließen kann und dass einfache Änderungen des Studiendesigns optimistische Verzerrungen reduzieren können.
Aktualisiert: 2021-04-16
Autor:
> findR *
> Buchhandlung findr > Verlag findr > Für Buchhändler

Validierung der Leistungsfähigkeit von Bewertungsfunktionen zur Vorhersage von Bindungsaffinitätsdifferenzen auf Basis von Ligand-Paar-Datensätzen

Validierung der Leistungsfähigkeit von Bewertungsfunktionen zur Vorhersage von Bindungsaffinitätsdifferenzen auf Basis von Ligand-Paar-Datensätzen von Balasupramaniam, Shantheya
Bewertungsfunktionen (engl.: scoring functions) sind einfache mathematische Modelle, die über die Beschreibung von Protein-Ligand-Interaktionen eine Aussage zum energetischen Zustand einer gegebenen Wechselwirkungsgeometrie ermöglichen. Anhand dieser Bewertung kann eine Vorhersage der zu erwartenden Bindungsaffinität erfolgen. Anwendung finden Bewertungsfunktionen daher vor allem beim Docking und beim virtuellen Screening. Im Rahmen dieser Arbeit wurde die Leistungsfähigkeit der empirischen Bewertungsfunktionen ChemScore, ChemPLP, London dG, ASE, Affinity dG und Alpha HB, der kraftfeldbasierten Funktionen GoldScore und GBVI/WSA dG, der wissensbasierten Bewertungsfunktion ASP sowie des Mehrheitsvotums über alle Funktionen validiert. Dabei wurde überprüft, ob die betrachtete Methode den affineren Liganden innerhalb eines Paares verwandter Komplexe identifizieren kann. Hierfür wurden zwei Datensätze verwendet, die sich aus Kristallstrukturen von Protein-Ligand-Komplexen zusammensetzten und nach vordefinierten Kriterien zu Komplex-Paaren zusammengefasst wurden. Es konnte gezeigt werden, dass Datensätze aus Komplex-Paaren eine neuartige Grundlage darstellen, um die Leistungsfähigkeit von Bewertungsfunktionen zur Identifizierung des affineren Liganden begrenzt auf Paare zu validieren.
Aktualisiert: 2021-04-16
Autor:
> findR *
> Buchhandlung findr > Verlag findr > Für Buchhändler

Schätzen der Klassenzugehörigkeitswahrscheinlichkeit zur Definition des Arbeitsbereichs von chemieinformatorischen Klassifikationsmodellen

Schätzen der Klassenzugehörigkeitswahrscheinlichkeit zur Definition des Arbeitsbereichs von chemieinformatorischen Klassifikationsmodellen von Mathea, Miriam
This study analyses several regression- and classification techniques regarding their ability to estimate class-probabilities precisely. Furthermore the effect of the calibration (with use of logistic regression) and the influence factors: accuracy, correlation structure and data-set-size were analyzed. Class-probability-estimates can be used to define an applicability domain for a regression- or classification-model. The definition of an applicability domain by using class-probability-estimates (Reject Option) was compared to the approach of the Conformal Predictors. In summary, all studied techniques (Random Forests, Random Forest Regression, Support Vector Machines, Support Vector Regression, K-Nearest-Neighbor, Partial Least Squares Discriminant Analysis, Sparse Partial Least Squares Regression, Ridge Regression, Elastic Net, Least Absolute Shrinkage and Selection Operator), except Linear Discriminant Analysis, Neural Networks and Naïve Bayesian Classifier benefit from calibration with logistic regression. The accuracy and the correlation structure have the strongest impact. The stability of class-probability-estimates improves by generating hetero-ensembles. Good calibrated class-probability-estimates are able to define an applicability domain in a very efficient way, compared to the conformal predictor.
Aktualisiert: 2019-11-13
Autor:
> findR *
> Buchhandlung findr > Verlag findr > Für Buchhändler
MEHR ANZEIGEN

Bücher zum Thema Chemieinformatik

Sie suchen ein Buch über Chemieinformatik? Bei Buch findr finden Sie eine große Auswahl Bücher zum Thema Chemieinformatik. Entdecken Sie neue Bücher oder Klassiker für Sie selbst oder zum Verschenken. Buch findr hat zahlreiche Bücher zum Thema Chemieinformatik im Sortiment. Nehmen Sie sich Zeit zum Stöbern und finden Sie das passende Buch für Ihr Lesevergnügen. Stöbern Sie durch unser Angebot und finden Sie aus unserer großen Auswahl das Buch, das Ihnen zusagt. Bei Buch findr finden Sie Romane, Ratgeber, wissenschaftliche und populärwissenschaftliche Bücher uvm. Bestellen Sie Ihr Buch zum Thema Chemieinformatik einfach online und lassen Sie es sich bequem nach Hause schicken. Wir wünschen Ihnen schöne und entspannte Lesemomente mit Ihrem Buch.

Chemieinformatik - Große Auswahl Bücher bei Buch findr

Bei uns finden Sie Bücher beliebter Autoren, Neuerscheinungen, Bestseller genauso wie alte Schätze. Bücher zum Thema Chemieinformatik, die Ihre Fantasie anregen und Bücher, die Sie weiterbilden und Ihnen wissenschaftliche Fakten vermitteln. Ganz nach Ihrem Geschmack ist das passende Buch für Sie dabei. Finden Sie eine große Auswahl Bücher verschiedenster Genres, Verlage, Autoren bei Buchfindr:

Sie haben viele Möglichkeiten bei Buch findr die passenden Bücher für Ihr Lesevergnügen zu entdecken. Nutzen Sie unsere Suchfunktionen, um zu stöbern und für Sie interessante Bücher in den unterschiedlichen Genres und Kategorien zu finden. Unter Chemieinformatik und weitere Themen und Kategorien finden Sie schnell und einfach eine Auflistung thematisch passender Bücher. Probieren Sie es aus, legen Sie jetzt los! Ihrem Lesevergnügen steht nichts im Wege. Nutzen Sie die Vorteile Ihre Bücher online zu kaufen und bekommen Sie die bestellten Bücher schnell und bequem zugestellt. Nehmen Sie sich die Zeit, online die Bücher Ihrer Wahl anzulesen, Buchempfehlungen und Rezensionen zu studieren, Informationen zu Autoren zu lesen. Viel Spaß beim Lesen wünscht Ihnen das Team von Buchfindr.