สืบค้นงานวิจัย
Classification of p-glycoprotein-interacting compounds using machine learning methods
Prachayasittikul V. - ไม่ระบุหน่วยงาน
ชื่อเรื่อง (EN): Classification of p-glycoprotein-interacting compounds using machine learning methods
ผู้แต่ง / หัวหน้าโครงการ (EN): Prachayasittikul V.
บทคัดย่อ (EN): P-glycoprotein (Pgp) is a drug transporter that plays important roles in multidrug resistance and drug pharmacokinetics. The inhibition of Pgp has become a notable strategy for combating multidrug-resistant cancers and improving therapeutic outcomes. However, the polyspecific nature of Pgp, together with inconsistent results in experimental assays, renders the determination of endpoints for Pgp-interacting compounds a great challenge. In this study, the classification of a large set of 2,477 Pgp-interacting compounds (i.e., 1341 inhibitors, 913 noninhibitors, 197 substrates and 26 non-substrates) was performed using several machine learning methods (i.e., decision tree induction, artificial neural network modelling and support vector machine) as a function of their physicochemical properties. The models provided good predictive performance, producing MCC values in the range of 0.739-1 for internal cross-validation and 0.665-1 for external validation. The study provided simple and interpretable models for important properties that influence the activity of Pgp-interacting compounds, which are potentially beneficial for screening and rational design of Pgp inhibitors that are of clinical importance. © 2015 Leibniz Research Centre for Working Environment and Human Factors. All rights reserved.
บทคัดย่อ: ไม่พบข้อมูลจากหน่วยงานต้นทาง
ภาษา (EN): en
เอกสารแนบ (EN): https://www.scopus.com/inward/record.uri?eid=2-s2.0-84940048822&doi=10.17179%2fexcli2015-374&partnerID=40&md5=5ab081101c3970dc77e9475caf942b76
เผยแพร่โดย (EN): มหาวิทยาลัยมหิดล
คำสำคัญ (EN): validation study
เจ้าของลิขสิทธิ์ (EN): มหาวิทยาลัยมหิดล
หากไม่พบเอกสารฉบับเต็ม (Full Text) โปรดติดต่อหน่วยงานเจ้าของข้อมูล

การอ้างอิง

Prachayasittikul V.. "Classification of p-glycoprotein-interacting compounds using machine learning methods". ไม่ระบุหน่วยงาน. ม.ป.ป.

Prachayasittikul V.. "Classification of p-glycoprotein-interacting compounds using machine learning methods". ไม่ระบุหน่วยงาน. ม.ป.ป.. Print.



TARR Wordcloud:
Classification of p-glycoprotein-interacting compounds using machine learning methods
Prachayasittikul V.
มหาวิทยาลัยมหิดล
ไม่ระบุวันที่เผยแพร่
Machine Learning Machine learning methods enable predictive modeling of antibody feature:function relationships in RV144 vaccinees Changes of bioactive compounds during storage of dried Andrographis Paniculata leaves after drying using different methods Unraveling the bioactivity of anticancer peptides as deduced from machine learning Cryopreservation of Paphiopedilum niveum (Rchb. f.) Stein calli using encapsulation-vitrification and vitrification methods tistr-inno_agri-machine P-glycoprotein transporter in drug development Estimation of biomass and carbon stock in Para rubber plantations using object-based classification from Thaichote satellite data in Eastern Thailand In vitro neutralization of yellow head virus infection in shrimp using recombinant PmYRP65 protein Preliminary Results on Test of planting methods
คัดลอก URL
กระทู้ของฉัน
ผลการสืบค้นทั้งหมด โพสต์     เรียงลำดับจาก
พัฒนาระบบโดยศูนย์ความรู้เฉพาะด้านวิศวกรรมความรู้และวิศวกรรมภาษาDeveloped by Center of Excellence for Unified Knowledge and Language Engineering
สนับสนุนโดยสำนักงานพัฒนาการวิจัยการเกษตร (องค์การมหาชน)Supported by the Agricultural Research Development Agency (Public Organization)
แบบสำรวจความพึงพอใจQuestionair