Improving (Q)SAR predictions by examining bias in the selection of compounds for experimental testing.

Pogodin, P V; Lagunin, A A; Filimonov, D A; Nicklaus, M C; Poroikov, V V

Pogodin, P V; Lagunin, A A; Filimonov, D A; Nicklaus, M C; Poroikov, V V.

Afiliación

Pogodin PV; Department of Bioinformatics, Institute of Biomedical Chemistry , Moscow , Russia.
Lagunin AA; Department of Bioinformatics, Institute of Biomedical Chemistry , Moscow , Russia.
Filimonov DA; Department of Bioinformatics, Medical-Biological Department, Pirogov Russian National Research Medical University , Moscow , Russia.
Nicklaus MC; Department of Bioinformatics, Institute of Biomedical Chemistry , Moscow , Russia.
Poroikov VV; Computer-Aided Drug Design Group, Chemical Biology Laboratory, Center for Cancer Research, National Cancer Institute, NIH, NCI-Frederick , Frederick , MD , USA.

SAR QSAR Environ Res ; 30(10): 759-773, 2019 Oct.

Article en En | MEDLINE | ID: mdl-31547686

Asunto(s)

Descubrimiento de Drogas; Relación Estructura-Actividad; Análisis por Conglomerados; Simulación por Computador; Relación Estructura-Actividad Cuantitativa

Palabras clave

(Q)SAR; Ligand-target interaction; SAVI library; accuracy of prediction; applicability domain; bias; compound selection; training set; virtual screening

Texto completo

Añadir a Mi BVS

Imprimir

XML

PubMed Links

Buscar en Google

Texto completo: 1 Colección: 01-internacional Base de datos: MEDLINE Asunto principal: Relación Estructura-Actividad / Descubrimiento de Drogas Tipo de estudio: Prognostic_studies / Risk_factors_studies Idioma: En Revista: SAR QSAR Environ Res Asunto de la revista: SAUDE AMBIENTAL Año: 2019 Tipo del documento: Article País de afiliación: Rusia Pais de publicación: Reino Unido

Texto completo

Añadir a Mi BVS

Imprimir

XML

PubMed Links

Buscar en Google