Mostrar el registro sencillo del ítem

dc.contributor.author
Soto, Axel Juan
dc.contributor.author
Cecchini, Rocío Luján
dc.contributor.author
Vazquez, Gustavo Esteban
dc.contributor.author
Ponzoni, Ignacio
dc.date.available
2018-09-12T19:58:42Z
dc.date.issued
2009-12-22
dc.identifier.citation
Soto, Axel Juan; Cecchini, Rocío Luján; Vazquez, Gustavo Esteban; Ponzoni, Ignacio; Multi-objective feature selection in QSAR using a machine learning approach; Wiley VCH Verlag; Qsar & Combinatorial Science; 28; 11-12; 22-12-2009; 1509-1523
dc.identifier.issn
1611-020X
dc.identifier.uri
http://hdl.handle.net/11336/59424
dc.description.abstract
The selection of descriptor subsets for QSAR/QSPR is a hard combinatorial problem that requires the evaluation of complex relationships in order to assess the relevance of the selected subsets. In this paper, we describe the main issues in applying descriptor selection for QSAR methods and propose a novel two-phase methodology for this task. The first phase makes use of a multi-objective evolutionary technique which yields interesting advantages compared to mono-objective methods. The second phase complements the first one and it enables to refine and improve the confidence in the chosen subsets of descriptors. This methodology allows the selection of subsets when a large number of descriptors are involved and it is also suitable for linear and nonlinear QSAR/QSPR models. The proposed method was tested using three data sets with experimental values for blood-brain barrier penetration, human intestinal absorption and hydrophobicity. Results reveal the capability of the method for achieving subsets of descriptors with a high predictive capacity and a low cardinality. Therefore, our proposal constitutes a new promising technique helpful for the development of QSAR/QSPR models.
dc.format
application/pdf
dc.language.iso
eng
dc.publisher
Wiley VCH Verlag
dc.rights
info:eu-repo/semantics/restrictedAccess
dc.rights.uri
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.subject
Bayesian Regularized Neural Networks
dc.subject
Computational Chemistry
dc.subject
Descriptor Selection
dc.subject
Medicinal Chemistry
dc.subject
Multi-Objective Evolutionary Algorithms
dc.subject.classification
Ciencias de la Computación
dc.subject.classification
Ciencias de la Computación e Información
dc.subject.classification
CIENCIAS NATURALES Y EXACTAS
dc.title
Multi-objective feature selection in QSAR using a machine learning approach
dc.type
info:eu-repo/semantics/article
dc.type
info:ar-repo/semantics/artículo
dc.type
info:eu-repo/semantics/publishedVersion
dc.date.updated
2018-08-30T14:56:15Z
dc.journal.volume
28
dc.journal.number
11-12
dc.journal.pagination
1509-1523
dc.journal.pais
Alemania
dc.journal.ciudad
Weinheim
dc.description.fil
Fil: Soto, Axel Juan. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Planta Piloto de Ingeniería Química. Universidad Nacional del Sur. Planta Piloto de Ingeniería Química; Argentina. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Laboratorio de Investigación y Desarrollo en Computación Científica; Argentina
dc.description.fil
Fil: Cecchini, Rocío Luján. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca; Argentina. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Laboratorio de Investigación y Desarrollo en Computación Científica; Argentina
dc.description.fil
Fil: Vazquez, Gustavo Esteban. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca; Argentina. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Laboratorio de Investigación y Desarrollo en Computación Científica; Argentina
dc.description.fil
Fil: Ponzoni, Ignacio. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Laboratorio de Investigación y Desarrollo en Computación Científica; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Planta Piloto de Ingeniería Química. Universidad Nacional del Sur. Planta Piloto de Ingeniería Química; Argentina
dc.journal.title
Qsar & Combinatorial Science
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/doi/http://dx.doi.org/10.1002/qsar.200960053
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/https://onlinelibrary.wiley.com/doi/abs/10.1002/qsar.200960053


Archivos asociados

Documento no disponible

Comunidades y colecciones

Mostrar el registro sencillo del ítem