A new approach to radial basis function approximation and its application to QSAR.
A new approach to radial basis function approximation and its application to QSAR.
复制标题
径向基函数近似及其应用于QSAR的新方法。
DOI：
10.1021/ci400704f
复制
发表时间：
2014-03-24
影响因子：
5.6
通讯作者：
Nicklaus MC
中科院分区：
文献类型：
--
作者：
Zakharov AV;Peach ML;Sitzmann M;Nicklaus MC
我们描述了一种新的RBF逼近方法，它结合了两个新的元素：(1)线性径向基函数和(2)根据每个描述符的贡献对模型进行加权。线性径向基函数使人们能够对不同的数据集实现更准确的预测。考虑到每个描述符的贡献，可以产生用于模型开发的更准确的相似值。该方法在14个公共数据集上进行了验证，其中包括9个物理化学性质和5个毒性终点。我们还将新方法与EPA T.E.S.T.计划中实施的五种不同的QSAR方法进行了比较。我们的方法在GUSAR程序中实现，对所有外部测试集都显示出合理的预测精度和较高的覆盖率，提供了比比较方法甚至这些方法的共识更准确的预测结果。使用我们的新方法，我们已经创建了物理化学和毒性终点的模型，我们已经通过在线服务的形式免费提供给。
We describe a novel approach to RBF approximation, which combines two new elements: (1) linear radial basis functions and (2) weighting the model by each descriptor’s contribution. Linear radial basis functions allow one to achieve more accurate predictions for diverse data sets. Taking into account the contribution of each descriptor produces more accurate similarity values used for model development. The method was validated on 14 public data sets comprising nine physicochemical properties and five toxicity endpoints. We also compared the new method with five different QSAR methods implemented in the EPA T.E.S.T. program. Our approach, implemented in the program GUSAR, showed a reasonable accuracy of prediction and high coverage for all external test sets, providing more accurate prediction results than the comparison methods and even the consensus of these methods. Using our new method, we have created models for physicochemical and toxicity endpoints, which we have made freely available in the form of an online service at .
登录
查看更多内容
DOI：
10.1021/ci0499368
发表时间：
2004-09-01
期刊：
JOURNAL OF CHEMICAL INFORMATION AND COMPUTER SCIENCES
影响因子：
--
作者：
Mwense, M;Wang, XZ;Osborn, D
通讯作者：
Osborn, D
影响因子：
4.1
作者：
Zhu, Hao;Martin, Todd M.;Ye, Lin;Sedykh, Alexander;Young, Douglas M.;Tropsha, Alexander
通讯作者：
Tropsha, Alexander
影响因子：
7.5
作者：
CORTES, C;VAPNIK, V
通讯作者：
VAPNIK, V
影响因子：
4.2
作者：
Sarimveis, H;Alexandridis, A;Bafas, G
通讯作者：
Bafas, G
影响因子：
4.1
作者：
Zakharov, Alexey V.;Lagunin, Alexey A.;Poroikov, Vladimir V.
通讯作者：
Poroikov, Vladimir V.