Mostrar el registro sencillo del ítem
dc.contributor.author
Martínez, María Jimena
dc.contributor.author
Razuc, Marina
dc.contributor.author
Ponzoni, Ignacio
dc.date.available
2020-03-18T17:40:39Z
dc.date.issued
2019-02
dc.identifier.citation
Martínez, María Jimena; Razuc, Marina; Ponzoni, Ignacio; MoDeSuS: A machine learning tool for selection of molecular descriptors in qsar studies applied to molecular informatics; Hindawi Publishing Corporation; BioMed Research International; 2019; 2-2019; 1-12
dc.identifier.issn
2314-6133
dc.identifier.uri
http://hdl.handle.net/11336/100073
dc.description.abstract
The selection of the most relevant molecular descriptors to describe a target variable in the context of QSAR (Quantitative Structure-Activity Relationship) modelling is a challenging combinatorial optimization problem. In this paper, a novel software tool for addressing this task in the context of regression and classification modelling is presented. The methodology that implements the tool is organized into two phases. The first phase uses a multiobjective evolutionary technique to perform the selection of subsets of descriptors. The second phase performs an external validation of the chosen descriptors subsets in order to improve reliability. The tool functionalities have been illustrated through a case study for the estimation of the ready biodegradation property as an example of classification QSAR modelling. The results obtained show the usefulness and potential of this novel software tool that aims to reduce the time and costs of development in the drug discovery process.
dc.format
application/pdf
dc.language.iso
eng
dc.publisher
Hindawi Publishing Corporation
dc.rights
info:eu-repo/semantics/openAccess
dc.rights.uri
https://creativecommons.org/licenses/by/2.5/ar/
dc.subject
Machine Learning
dc.subject
QSAR
dc.subject
Feature Selection
dc.subject
Molecular Informatics
dc.subject.classification
Ciencias de la Información y Bioinformática
dc.subject.classification
Ciencias de la Computación e Información
dc.subject.classification
CIENCIAS NATURALES Y EXACTAS
dc.title
MoDeSuS: A machine learning tool for selection of molecular descriptors in qsar studies applied to molecular informatics
dc.type
info:eu-repo/semantics/article
dc.type
info:ar-repo/semantics/artículo
dc.type
info:eu-repo/semantics/publishedVersion
dc.date.updated
2020-02-26T19:38:23Z
dc.identifier.eissn
2314-6141
dc.journal.volume
2019
dc.journal.pagination
1-12
dc.journal.pais
Reino Unido
dc.journal.ciudad
Londres
dc.description.fil
Fil: Martínez, María Jimena. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación; Argentina
dc.description.fil
Fil: Razuc, Marina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación; Argentina. Provincia de Buenos Aires. Gobernación. Comisión de Investigaciones Científicas; Argentina
dc.description.fil
Fil: Ponzoni, Ignacio. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación; Argentina
dc.journal.title
BioMed Research International
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/doi/https://doi.org/10.1155/2019/2905203
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/https://www.hindawi.com/journals/bmri/2019/2905203/
Archivos asociados