Molekyylien maksatoksisuutta ennustavat neuroverkot
Molekyylien maksatoksisuutta ennustava neuroverkko on neuroverkko, joka ennustaa siihen syötetyn molekyylin maksatoksisuutta. Tähän tutkimusaiheeseen on testattu muun muassa graafihuomioneuroverkkotyyppiä.[1] Tutkimusaihe on oleellinen, koska useat lääkeaineet kuten parasetamoli voivat olla annoksesta riippuen maksatoksisia potilaille.[2]
Wangin artikkeli (2024) muokkaa
Wangin artikkelin saavuttama tarkkuus (engl. accuracy, lyhenne ACC) on 93.4 % (0.934). RDKit oli artikkelissa käytetty molekyylisormenjälkijärjestelmä. Neuroverkon koulutukseen käytetyn aineiston koko oli 1888 molekyyliä, josta hieman yli puolet oli luokiteltu olevan maksatoksisia ja loput maksalle ei-toksisiksi. Aineisto on kerätty LiverTox-, LTKB-, Hepatox-, DILIst-, DILIrank-tietokannoista sekä kirjallisuudesta saatu data.[1]
Kangin artikkeli (2021) muokkaa
Kangin artikkelin saavuttama tarkkuus oli 73.1 % (0.731). Aineiston koko oli 1119 molekyyliä. Artikkelissa käytetään ECFP4- ja ECFP6-molekyylisormenjälkijärjestelmiä. Artikkelissa sovelletaan syväneuroverkkotyyppiä. Artikkeli vertailee erilaisia neuroverkon koulutustapoja kuten SVM:ää (engl. support vector machine) ja RF:ää (engl. random forest). [3]
Lähteet muokkaa
- ↑ a b Jifeng Wang, Li Zhang, Jianqiang Sun, Xin Yang, Wei Wu, Wei Chen, Qi Zhao. "Predicting drug-induced liver injury using graph attention mechanism and molecular fingerprints." Methods. 2024 Jan;221:18-26. doi:10.1016/j.ymeth.2023.11.014. PMID: 38040204
- ↑ Perttu Arkkila, Markku Nissinen, Ville Liukkonen, Janne Backman. "Lääkkeiden aiheuttamat maksavauriot." Lääketieteellinen Aikakauskirja Duodecim. 2023;139(4):271-9.
- ↑ Kang, M.-G.; Kang, N.S. "Predictive Model for Drug-Induced Liver Injury Using Deep Neural Networks Based on Substructure Space." Molecules. 2021;26:7548. https://doi.org/10.3390/molecules26247548