QSAR Modelling to Identify LRRK2 Inhibitors for Parkinson's Disease | ||
| dc.conicet.organizacion | Consejo Superior de Investigaciones Científicas. Centro de Investigaciones Biológicas | |
| dc.conicet.organizacion | 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 | |
| dc.conicet.organizacion | Consejo Superior de Investigaciones Científicas. Centro de Investigaciones Biológicas | |
| dc.conicet.organizacion | Consejo Superior de Investigaciones Científicas. Centro de Investigaciones Biológicas | |
| dc.conicet.organizacion | Consejo Superior de Investigaciones Científicas. Centro de Investigaciones Biológicas | |
| dc.conicet.organizacion | 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 | |
| dc.contributor.author | Sebastián Pérez, Víctor | |
| dc.contributor.author | Martínez, María Jimena | |
| dc.contributor.author | Gil, Carmen | |
| dc.contributor.author | Campillo Martín, Nuria Eugenia | |
| dc.contributor.author | Martínez, Ana | |
| dc.contributor.author | Ponzoni, Ignacio | |
| dc.date.issued | 2019-02-14 | |
| dc.description.abstract | Parkinson's disease is one of the most common neurodegenerative illnesses in older persons and the leucine-rich repeat kinase 2 (LRRK2) is an auspicious target for its pharmacological treatment. In this work, quantitative structure-activity relationship (QSAR) models for identification of putative inhibitors of LRRK2 protein are developed by using an in-house chemical library and several machine learning techniques. The methodology applied in this paper has two steps: first, alternative subsets of molecular descriptors useful for characterizing LRRK2 inhibitors are chosen by a multi-objective feature selection method; secondly, QSAR models are learned by using these subsets and three different strategies for supervised learning. The qualities of all these QSAR models are compared by classical metrics and the best models are discussed in statistical and physicochemical terms. | es |
| dc.description.fil | Fil: Sebastián Pérez, Víctor. Consejo Superior de Investigaciones Científicas. Centro de Investigaciones Biológicas; España | |
| 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: Gil, Carmen. Consejo Superior de Investigaciones Científicas. Centro de Investigaciones Biológicas; España | |
| dc.description.fil | Fil: Campillo Martín, Nuria Eugenia. Consejo Superior de Investigaciones Científicas. Centro de Investigaciones Biológicas; España | |
| dc.description.fil | Fil: Martínez, Ana. Consejo Superior de Investigaciones Científicas. Centro de Investigaciones Biológicas; España | |
| 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.format | application/pdf | es |
| dc.identifier.citation | Sebastián Pérez, Víctor; Martínez, María Jimena; Gil, Carmen; Campillo Martín, Nuria Eugenia; Martínez, Ana; et al.; QSAR Modelling to Identify LRRK2 Inhibitors for Parkinson's Disease; De Gruyter; Journal of integrative bioinformatics; 16; 1; 14-2-2019; 1-8; 20180063 | es |
| dc.identifier.institucional | CONICET | |
| dc.identifier.issn | 1613-4516 | es |
| dc.identifier.repo | CONICET Digital | |
| dc.identifier.uri | http://hdl.handle.net/11336/117434 | |
| dc.journal.ciudad | Berlín | es |
| dc.journal.number | 1 | es |
| dc.journal.pagination | 1-8; 20180063 | es |
| dc.journal.pais | Alemania | es |
| dc.journal.title | Journal of integrative bioinformatics | es |
| dc.journal.volume | 16 | es |
| dc.language.iso | eng | es |
| dc.publisher | De Gruyter | es |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/url/https://www.degruyter.com/view/journals/jib/16/1/article-20180063.xml | |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/doi/https://doi.org/10.1515/jib-2018-0063 | |
| dc.rights | info:eu-repo/semantics/openAccess | * |
| dc.rights.uri | https://creativecommons.org/licenses/by/2.5/ar/ | * |
| dc.subject | CHEMINFORMATICS | es |
| dc.subject | LRRK2 | es |
| dc.subject | MACHINE LEARNING | es |
| dc.subject | PARKINSON’S DISEASE | es |
| dc.subject | QSAR | es |
| dc.subject.classification | Otras Ciencias Químicas | es |
| dc.subject.classification | Ciencias Químicas | es |
| dc.subject.classification | CIENCIAS NATURALES Y EXACTAS | es |
| dc.title | QSAR Modelling to Identify LRRK2 Inhibitors for Parkinson's Disease | es |
| dc.type | info:eu-repo/semantics/article | |
| dc.type | info:ar-repo/semantics/artículo | |
| dc.type | info:eu-repo/semantics/publishedVersion | |
Archivos
Bloque original
Cargando...
- Nombre:
- CONICET_Digital_Nro.afb0fe91-f1ed-45bf-a55c-872775d0d2fa_A.pdf
- Tamaño:
- 1.49 MB
- Formato:
- Adobe Portable Document Format