Introducing the ‘active search’ method for iterative virtual screening
Introducing the ‘active search’ method for iterative virtual screening
复制标题
引入迭代虚拟筛选的“主动搜索”方法
DOI：
10.1007/s10822-015-9832-9
复制
发表时间：
2015
影响因子：
3.5
通讯作者：
Jürgen Bajorath
中科院分区：
文献类型：
--
作者：
Roman Garnett;Thomas Gärtner;Martin Vogt;Jürgen Bajorath
介绍了一种活性化合物的序贯相似性搜索方法。给定一组已知的活性物质和筛选数据库，设计一种策略，通过在选择下一种化合物之前观察每次迭代的结果来对测试化合物进行最佳排名。这种“主动搜索”方法是基于贝叶斯决策理论。在虚拟化合物筛选中使用的典型排序程序对应于对最佳策略的近视近似。探索性主动搜索代表了一种不那么近视的方法，并在120种化合物类别的迭代虚拟筛选试验中准确识别出各种活性化合物。本文提出的主动搜索方法的源代码和数据是免费提供的。
A method is introduced for sequential similarity searching for active compounds. Given a set of known actives and a screening database, a strategy is devised to optimally rank test compounds by observing the outcome of each iteration before selecting the next compound. This ‘active search’ approach is based upon Bayesian decision theory. A typical ranking procedure used in virtual compound screening corresponds to a myopic approximation to the optimal strategy. Exploratory active search represents a less-myopic approach and is shown to accurately identify a variety of active compounds in iterative virtual screening trials on 120 compound classes. Source code and data for the active search approach presented herein is made freely available.
贝叶斯最优主动搜索和调查
DOI：
--
发表时间：
2012
期刊：
International Conference on Machine Learning
影响因子：
--
作者：
R. Garnett;Yamuna Krishnamurthy;Xuehan Xiong;J. Schneider;R. Mann
通讯作者：
R. Mann
影响因子：
5.6
作者：
Heikamp, Kathrin;Bajorath, Juergen
通讯作者：
Bajorath, Juergen