Combined Naïve Bayesian, Chemical Fingerprints and Molecular Docking Classifiers to Model and Predict Androgen Receptor Binding Data for Environmentally- and Health-Sensitive Substances.

García-Sosa, Alfonso T; Maran, Uko

García-Sosa, Alfonso T; Maran, Uko.

Afiliação

García-Sosa AT; Institute of Chemistry, University of Tartu, Ravila 14a, 50411 Tartu, Estonia.
Maran U; Institute of Chemistry, University of Tartu, Ravila 14a, 50411 Tartu, Estonia.

Int J Mol Sci ; 22(13)2021 Jun 22.

Article em En | MEDLINE | ID: mdl-34206613

Assuntos

Teorema de Bayes; Disruptores Endócrinos/química; Simulação de Acoplamento Molecular; Simulação de Dinâmica Molecular; Receptores Androgênicos/química; Disruptores Endócrinos/metabolismo; Humanos; Ligantes; Modelos Logísticos; Estrutura Molecular; Ligação Proteica; Relação Quantitativa Estrutura-Atividade; Curva ROC; Receptores Androgênicos/metabolismo; Reprodutibilidade dos Testes

Palavras-chave

androgen receptor; bayesian; chemical fingerprints; chimp; docking; ecfp; human; multivariate logistic regression; rat; toxicity

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Base de dados: MEDLINE Assunto principal: Receptores Androgênicos / Teorema de Bayes / Disruptores Endócrinos / Simulação de Dinâmica Molecular / Simulação de Acoplamento Molecular Tipo de estudo: Diagnostic_studies / Prognostic_studies / Risk_factors_studies Limite: Humans Idioma: En Revista: Int J Mol Sci Ano de publicação: 2021 Tipo de documento: Article País de afiliação: Estônia

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google