Busca avançada
Ano de início
Entree

Aplicação de técnicas de transferência de aprendizagem e ontologias a modelos QSAR para regressão

Resumo

Para desenvolver um novo medicamento, pesquisadores devem analisar os alvos biológicos de uma dada doença, descobrir e desenvolver candidatos a fármacos para este alvo biológico, realizando em paralelo, testes biológicos em laboratório para validar a eficiência e os efeitos colaterais da substância química. O estudo quantitativo da relação estrutura-atividade (QSAR) envolve a construção de modelos de regressão que relacionam um conjunto de descritores de um composto químico e a sua atividade biológica com relação a um ou mais alvos no organismo. Os conjuntos de dados manipulados pelos pesquisadores para análise QSAR são caracterizados geralmente por um número pequeno de instâncias e isso torna mais complexa a construção de modelos preditivos. Nesse contexto, a transferência de conhecimento utilizando informações de outros modelos QSAR's com mais informações disponíveis para o mesmo alvo biológico seria desejável, diminuindo o esforço e o custo do processo para gerar novos modelos de descritores de compostos químicos. Este trabalho apresenta a proposta de projeto que consiste na utilização de dois métodos de transferência de aprendizagem, por instâncias e por parâmetros, para construção de modelos QSAR para regressão via Vetores Suporte (SVR). A fim de implementar as técnicas de aprendizagem de transferência, uma nova abordagem para a seleção de conjuntos de dados químicos relacionados, que se baseia na integração de diferentes ontologias, será desenvolvida. Os resultados da regressão obtidos pela utilização dos métodos de aprendizagem de transferência serão comparados com os obtidos pelos métodos clássicos em relação à medida de erro médio quadrático (MSE). (AU)

Matéria(s) publicada(s) na Revista Pesquisa FAPESP sobre o auxílio::
Alta productividad 
Alta productividad 
Elevada produtividade 
Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
LIPINSKI, CELIO F.; MALTAROLLO, VINICIUS G.; OLIVEIRA, PATRICIA R.; DA SILVA, ALBERICO B. F.; HONORIO, KATHIA MARIA. Advances and Perspectives in Applying Deep Learning for Drug Design and Discovery. FRONTIERS IN ROBOTICS AND AI, v. 6, NOV 5 2019. Citações Web of Science: 0.
MALTAROLLO, VINICIUS GONCALVES; KRONENBERGER, THALES; ESPINOZA, GABRIEL ZARZANA; OLIVEIRA, PATRICIA RUFINO; HONORIO, KATHIA MARIA. Advances with support vector machines for novel drug discovery. EXPERT OPINION ON DRUG DISCOVERY, v. 14, n. 1, p. 23-33, JAN 2 2019. Citações Web of Science: 1.
DE ANGELO, RAFAELA MOLINA; ALMEIDA, MICHELL DE OLIVEIRA; DE PAULA, HEBERTH; HONORIO, KATHIA MARIA. Studies on the Dual Activity of EGFR and HER-2 Inhibitors Using Structure-Based Drug Design Techniques. INTERNATIONAL JOURNAL OF MOLECULAR SCIENCES, v. 19, n. 12 DEC 2018. Citações Web of Science: 1.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.