Show simple item record

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
dc.conicet.fuente unificacion


Archivos asociados

Icon
Blocked Acceso no disponible

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/restrictedAccess Excepto donde se diga explícitamente, este item se publica bajo la siguiente descripción: Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Unported (CC BY-NC-SA 2.5)