$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

SVM 방법을 이용한 hERG 이온 채널 저해제 예측모델 개발
Development of Classification Model for hERG Ion Channel Inhibitors Using SVM Method 원문보기

대한화학회지 = Journal of the Korean Chemical Society, v.53 no.6, 2009년, pp.653 - 662  

강신문 ((사)분자설계연구소 신약개발실) ,  김한조 ((사)분자설계연구소 신약개발실) ,  오원석 ((사)분자설계연구소 신약개발실) ,  김선영 ((사)분자설계연구소 신약개발실) ,  노경태 (연세대학교 생명공학과) ,  남기엽 ((사)분자설계연구소 신약개발실)

초록
AI-Helper 아이콘AI-Helper

흡수, 분포, 대사, 배설 특성 및 독성을 예측하기 위한 효과적인 툴을 개발하는 것은 신약개발의 초기단계에서 NCE(new chemical entity)에 대한 가장 중요한 업무 중의 하나이다. 최근에 이런 시도중의 하나로서 ADME/T(absorption, distribution, metabolism, excretion, toxicity)관련 성질들의 예측에 support vector machine(SVM)을 이용하고 있다. 그리고 SVM은 ADME/T 성질들을 정확하게 예측하는데 많이 사용 되고 있다. 그러나 SVM 모델링에 두 가지 문제가 있다. 특성 선택(feature selection) 과 매개변수 설정(parameter setting)은 여전히 해결해야 할 과제이다. 이 두 가지 문제들은 SVM 분류의 효율성과 정확도에 결정적인 영향을 끼친다. 특히 특성 선택과 최적화된 SVM 변수의 설정은 서로 영향을 주기 때문에 동시에 다루어져야 한다. 여기서 우리는 genetic algorithm(GA) – 특성 선택에 사용 – 과 grid search(GS) method– 변수최적화에 사용 – 두 가지를 통합하는 효과적인 해결책을 제시하였다. ADME/T관련 성질 중 하나인 심장부정맥을 야기시키는 hERG 이온채널 저해제 분류 모델이 여기서 제안된 GA-GS-SVM을 위해 할당되고 테스트 되었다. 1891개의 화합물을 가지는 트레이닝 셋으로 단일 모델 3개, 앙상블 모델 3개, 총 6개의 모델을 만들었고 175개의 외부 데이터를 테스트 셋으로 사용하여 검증하였다. 데이터의 불균형 문제를 해결하기 위하여 GA-GS-SVM 단일 모델에 의한 예측 정확도와 GA-GS-SVM 앙상블 모델 예측 정확도를 비교하였으며, 앙상블모델을 사용하여 예측의 정확도를 높일 수 있었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Developing effective tools for predicting absorption, distribution, metabolism, excretion properties and toxicity (ADME/T) of new chemical entities in the early stage of drug design is one of the most important tasks in drug discovery and development today. As one of these attempts, support vector m...

주제어

#hERG저해제   #유전자알고리듬   #분류모델  

참고문헌 (21)

  1. Abbott, G. W.; Sesti, F.; Splawski, I.; Buck, M. E.; Lehmann, M. H.; Timothy, K. W.; Keating, M. T.; Goldstein, S. A. Cell 1999, 97, 175-87 

    상세보기 crossref

  2. Fermini, B.; Fossa, A. A. Nat. Rev. Drug Discovery 2003, 2, 439-47 

    상세보기 crossref

  3. Keating, M. T.; Sanguinetti, M. C. Cell 2001, 104, 569-80 

    상세보기 crossref

  4. Pearlstein, R.; Vaz, R.; Rampe, D. J. Med. Chem. 2003, 46, 2017-2022 

    상세보기 crossref

  5. Aronov, A. M. Drug Discovery Today 2005, 10, 149-155 

    상세보기 crossref

  6. Recanatini, M.; Poluzzi, E.; Masetti, M.; Cavalli, A.; De Ponti, F. Med. Res. Rev. 2005, 25, 133-166 

    상세보기 crossref

  7. Mitcheson, J. S.; Chen, J.; Lin, M.; Culberson, C.; Sanguinetti, M. C. Proc. Natl. Acad. Sci. U.S.A. 2000, 97, 12329-12333 

    상세보기 crossref

  8. Li, Q.; Jorgensen, F. S.; Oprea, T.; Brunak, S.; Tabboureau, O. Mol. Pharm. 2008, 5(1), 117-127 

    상세보기 crossref

  9. Lucasius, C. B.; Kateman, G. Chemometr. Intell. Lab. 1993, 19, 1-33 

    상세보기 crossref

  10. Guyon, I.; Weston, J.; Barnhil, S.; Vapnik, V. Mach. Learn. 2002, 46, 389-422 

    crossref

  11. Sutter, J. M.; Kalivas, J. H. Microchem. J. 1993, 47, 60-66 

    상세보기 crossref

  12. Hsu, C. W.; Chang, C.C.; Lin, C. J. http://www.csie.ntu.edu.tw//~cjlin/papers/guide/guide.pdf. 2003 

  13. Vapnik, V. Statistical Learning Theory; Wiley: New York, USA., 1998 

  14. Seymour G. J. of the Am. Stat. Ass. 1975, 70, 350 

  15. Xue, Y.; li, Z. R.; Yap, C. W.; Sun, L. Z.; Chen, X.; Chen, Y. Z. J. Chem. Inf. Comput. Sci. 2004, 44, 1630-1638 

    상세보기 crossref

  16. Davis, L. handbook of genetic algorithms Van Nostrand Reinhold New York, USA., 1991 

  17. BMDRC, PreADMET 2.0; Seoul, Korea, 2007, http://preadmet.bmdrc.org 

  18. PubChem bioassay database (http://pubchem.ncbi.nlm.nih.gov/assay/assay.cgi?aid376) 

  19. Chang, C. C.; Lin, C. J. LIBSVM: A library for support vector machines. Available at: http://www.csie.ntu.edu.tw/~cjlin/libsvm, 2001 

  20. Li, Q.; Jorgensen, F. S.; Oprea, T.; Brunak, S.; Taboureau, O. Mol. Pharm. 2008, 5(1), 117-127 

    상세보기 crossref

  21. Kang. P. Cho. S. Lecture Notes in Computer Science Springer Berlin, Germany, 2006, 4232, 837-846 

    상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로