Molecular Image-Based Prediction Models of Nuclear Receptor Agonists and Antagonists Using the DeepSnap-Deep Learning Approach with the Tox21 10K Library.

Matsuzaka, Yasunari; Uesawa, Yoshihiro

Matsuzaka, Yasunari; Uesawa, Yoshihiro.

Afiliación

Matsuzaka Y; Department of Medical Molecular Informatics, Meiji Pharmaceutical University, Tokyo 204-8588, Japan.
Uesawa Y; Department of Medical Molecular Informatics, Meiji Pharmaceutical University, Tokyo 204-8588, Japan.

Molecules ; 25(12)2020 Jun 15.

Article en En | MEDLINE | ID: mdl-32549344

Asunto(s)

Procesamiento de Imagen Asistido por Computador/métodos; Receptores Citoplasmáticos y Nucleares/antagonistas & inhibidores; Receptores Citoplasmáticos y Nucleares/química; Simulación por Computador; Aprendizaje Profundo; Ensayos Analíticos de Alto Rendimiento/métodos; Humanos; Ligandos; Aprendizaje Automático; Modelos Moleculares; Modelos Teóricos; Imagen Molecular/métodos; Relación Estructura-Actividad Cuantitativa; Receptores Citoplasmáticos y Nucleares/metabolismo; Bibliotecas de Moléculas Pequeñas/farmacología

Palabras clave

DeepSnap; QSAR; Tox21 10K library; chemical structure; deep learning; nuclear receptor

Texto completo

Imprimir

XML

PubMed Links

Buscar en Google

Texto completo: 1 Colección: 01-internacional Banco de datos: MEDLINE Asunto principal: Procesamiento de Imagen Asistido por Computador / Receptores Citoplasmáticos y Nucleares Tipo de estudio: Prognostic_studies / Risk_factors_studies Límite: Humans Idioma: En Revista: Molecules Asunto de la revista: BIOLOGIA Año: 2020 Tipo del documento: Article País de afiliación: Japón

Texto completo

Imprimir

XML

PubMed Links

Buscar en Google