Automated Workflows for Data Curation and Machine Learning to Develop Quantitative Structure-Activity Relationships

工作流程 计算机科学 数据整理 数据科学 人工智能 数据库
作者
Domenico Gadaleta
出处
期刊:Methods in molecular biology 卷期号:: 115-130
标识
DOI:10.1007/978-1-0716-4003-6_5
摘要

The recent advancements in machine learning and the new availability of large chemical datasets made the development of tools and protocols for computational chemistry a topic of high interest. In this chapter a standard procedure to develop Quantitative Structure-Activity Relationship (QSAR) models was presented and implemented in two freely available and easy-to-use workflows. The first workflow helps the user retrieving chemical data (SMILES) from the web, checking their correctness and curating them to produce consistent and ready-to-use datasets for cheminformatic. The second workflow implements six machine learning methods to develop classification QSAR models. Models can be additionally used to predict external chemicals. Calculation and selection of chemical descriptors, tuning of models' hyperparameters, and methods to handle data unbalancing are also incorporated in the workflow. Both the workflows are implemented in KNIME and represent a useful tool for computational scientists, as well as an intuitive and straightforward introduction to QSAR.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
谦让成协发布了新的文献求助30
3秒前
A1phaYi发布了新的文献求助10
6秒前
完美世界应助norberta采纳,获得10
7秒前
倪好发布了新的文献求助10
7秒前
123完成签到,获得积分10
8秒前
卡卡完成签到 ,获得积分10
8秒前
hyjcnhyj完成签到,获得积分10
10秒前
10秒前
小猪佩奇完成签到,获得积分10
11秒前
余启家发布了新的文献求助20
13秒前
15秒前
快乐蕉完成签到,获得积分10
16秒前
贰鸟应助谦让成协采纳,获得20
17秒前
biglixiang完成签到,获得积分10
17秒前
18秒前
自由香魔完成签到,获得积分10
19秒前
20秒前
活泼的觅波完成签到,获得积分10
20秒前
奋豆完成签到 ,获得积分10
21秒前
21秒前
TTK发布了新的文献求助50
23秒前
dev-evo完成签到,获得积分10
24秒前
Morri发布了新的文献求助10
24秒前
田様应助orange9采纳,获得10
24秒前
25秒前
超帅柚子发布了新的文献求助10
26秒前
27秒前
自由香魔发布了新的文献求助10
28秒前
大酋长完成签到,获得积分10
29秒前
快乐的一刀完成签到,获得积分10
30秒前
谦让成协完成签到,获得积分10
31秒前
wch完成签到,获得积分10
31秒前
在水一方应助听雨采纳,获得10
31秒前
33秒前
汉堡包应助快乐的一刀采纳,获得10
35秒前
Hello应助神勇初瑶采纳,获得10
35秒前
happyboy2008完成签到,获得积分10
35秒前
jukongka完成签到,获得积分0
39秒前
欢喜发卡完成签到 ,获得积分10
39秒前
41秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
China's Relations With Japan 1945-83: The Role of Liao Chengzhi 400
Classics in Total Synthesis IV 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3148089
求助须知:如何正确求助?哪些是违规求助? 2799137
关于积分的说明 7833616
捐赠科研通 2456348
什么是DOI,文献DOI怎么找? 1307222
科研通“疑难数据库(出版商)”最低求助积分说明 628086
版权声明 601655