Создание QSAR моделей для поиска ингибиторов тубулина
Описаны новые QSAR модели для поиска ингибиторов тубулина. Точность прогноза для
 учебных и тестовых выборок составляет Ac = 0,96÷0,97 и Ac = 0,95÷0,97 соответственно. Для построения моделей использованы ассоциативные нейронные сети. Оценка качества моделей проведена методами внутренней и вн...
Збережено в:
| Опубліковано в: : | Доповіді НАН України |
|---|---|
| Дата: | 2013 |
| Автори: | , , , , , |
| Формат: | Стаття |
| Мова: | Російська |
| Опубліковано: |
Видавничий дім "Академперіодика" НАН України
2013
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/86516 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Создание QSAR моделей для поиска ингибиторов тубулина / И.В. Семенюта, В.В. Ковалишин, И.Н. Коперник, А.Н. Василенко, В.В. Прокопенкo, В.С. Броварец // Доповiдi Нацiональної академiї наук України. — 2013. — № 11. — С. 168–173. — Бібліогр.: 15 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862689761149321216 |
|---|---|
| author | Семенюта, И.В. Ковалишин, В.В. Коперник, И.Н. Василенко, А.Н. Прокопенкo, В.В. Броварец, В.С. |
| author_facet | Семенюта, И.В. Ковалишин, В.В. Коперник, И.Н. Василенко, А.Н. Прокопенкo, В.В. Броварец, В.С. |
| citation_txt | Создание QSAR моделей для поиска ингибиторов тубулина / И.В. Семенюта, В.В. Ковалишин, И.Н. Коперник, А.Н. Василенко, В.В. Прокопенкo, В.С. Броварец // Доповiдi Нацiональної академiї наук України. — 2013. — № 11. — С. 168–173. — Бібліогр.: 15 назв. — рос. |
| collection | DSpace DC |
| container_title | Доповіді НАН України |
| description | Описаны новые QSAR модели для поиска ингибиторов тубулина. Точность прогноза для
учебных и тестовых выборок составляет Ac = 0,96÷0,97 и Ac = 0,95÷0,97 соответственно. Для построения моделей использованы ассоциативные нейронные сети. Оценка качества моделей проведена методами внутренней и внешней проверки. На выборке
из 75 новых соединений правильно классифицированно 63% всех веществ, а также 69%
активных соединений. С помощью индекса Дайса рассчитана область применения созданных QSAR моделей. Показано, что количество правильно спрогнозированных соединений с DI 0,6−0,7 и ≥0,7 составляет 74 и 85% соответственно.
Описано новi QSAR моделi для пошуку iнгiбiторiв тубулiну. Точнiсть прогнозу для навчальних та тестових вибiрок становить Ac = 0,96 ÷ 0,97 та Ac = 0,95 ÷ 0,97 вiдповiдно. Для
побудови моделей використано асоцiативнi нейроннi мережi. Оцiнку якостi моделей проведено методами внутрiшньої i зовнiшньої перевiрки. На вибiрцi з 75 нових сполук правильно
класифiковано 63% усiх речовин, а також 69% активних сполук. За допомогою iндексу Дайса розраховано область застосування створених QSAR моделей. Показано, що кiлькiсть правильно спрогнозованих сполук з DI 0,6−0,7 i ≥0,7 становить 74 та 85% вiдповiдно.
The study presents new QSAR models to search for tubulin inhibitors. The prediction accuracies for the training and test sets are Ac = 0.95−0.97 and Ac = 0.95−0.97, accordingly. QSAR methodologies used Associative Neural Networks. The quality of models have been evaluated using
both internal and external validation methods. In a sample of 75 new compounds, we correctly
classified 63% of all compounds and 69% of active molecules. The applicability domain of QSAR models was evaluated by the Dice index. It is shown that the percentages of correctly predicted compounds with DI equal to 0.6−0.7 and ≥0.7 are 74 and 85%, respectively.
|
| first_indexed | 2025-12-07T16:11:52Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-86516 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| language | Russian |
| last_indexed | 2025-12-07T16:11:52Z |
| publishDate | 2013 |
| publisher | Видавничий дім "Академперіодика" НАН України |
| record_format | dspace |
| spelling | Семенюта, И.В. Ковалишин, В.В. Коперник, И.Н. Василенко, А.Н. Прокопенкo, В.В. Броварец, В.С. 2015-09-19T14:24:06Z 2015-09-19T14:24:06Z 2013 Создание QSAR моделей для поиска ингибиторов тубулина / И.В. Семенюта, В.В. Ковалишин, И.Н. Коперник, А.Н. Василенко, В.В. Прокопенкo, В.С. Броварец // Доповiдi Нацiональної академiї наук України. — 2013. — № 11. — С. 168–173. — Бібліогр.: 15 назв. — рос. https://nasplib.isofts.kiev.ua/handle/123456789/86516 615.277:004.032.26 Описаны новые QSAR модели для поиска ингибиторов тубулина. Точность прогноза для
 учебных и тестовых выборок составляет Ac = 0,96÷0,97 и Ac = 0,95÷0,97 соответственно. Для построения моделей использованы ассоциативные нейронные сети. Оценка качества моделей проведена методами внутренней и внешней проверки. На выборке
 из 75 новых соединений правильно классифицированно 63% всех веществ, а также 69%
 активных соединений. С помощью индекса Дайса рассчитана область применения созданных QSAR моделей. Показано, что количество правильно спрогнозированных соединений с DI 0,6−0,7 и ≥0,7 составляет 74 и 85% соответственно. Описано новi QSAR моделi для пошуку iнгiбiторiв тубулiну. Точнiсть прогнозу для навчальних та тестових вибiрок становить Ac = 0,96 ÷ 0,97 та Ac = 0,95 ÷ 0,97 вiдповiдно. Для
 побудови моделей використано асоцiативнi нейроннi мережi. Оцiнку якостi моделей проведено методами внутрiшньої i зовнiшньої перевiрки. На вибiрцi з 75 нових сполук правильно
 класифiковано 63% усiх речовин, а також 69% активних сполук. За допомогою iндексу Дайса розраховано область застосування створених QSAR моделей. Показано, що кiлькiсть правильно спрогнозованих сполук з DI 0,6−0,7 i ≥0,7 становить 74 та 85% вiдповiдно. The study presents new QSAR models to search for tubulin inhibitors. The prediction accuracies for the training and test sets are Ac = 0.95−0.97 and Ac = 0.95−0.97, accordingly. QSAR methodologies used Associative Neural Networks. The quality of models have been evaluated using
 both internal and external validation methods. In a sample of 75 new compounds, we correctly
 classified 63% of all compounds and 69% of active molecules. The applicability domain of QSAR models was evaluated by the Dice index. It is shown that the percentages of correctly predicted compounds with DI equal to 0.6−0.7 and ≥0.7 are 74 and 85%, respectively. Авторы выражают благодарность за поддержку программе НАТО “Наука ради мира” (NATO
 Science for Peace) — грант № EAP.SFPP 984401. ru Видавничий дім "Академперіодика" НАН України Доповіді НАН України Біохімія Создание QSAR моделей для поиска ингибиторов тубулина Створення QSAR моделей для пошуку iнгiбiторiв тубулiну Creation of QSAR models to search for inhibitors of tubulin Article published earlier |
| spellingShingle | Создание QSAR моделей для поиска ингибиторов тубулина Семенюта, И.В. Ковалишин, В.В. Коперник, И.Н. Василенко, А.Н. Прокопенкo, В.В. Броварец, В.С. Біохімія |
| title | Создание QSAR моделей для поиска ингибиторов тубулина |
| title_alt | Створення QSAR моделей для пошуку iнгiбiторiв тубулiну Creation of QSAR models to search for inhibitors of tubulin |
| title_full | Создание QSAR моделей для поиска ингибиторов тубулина |
| title_fullStr | Создание QSAR моделей для поиска ингибиторов тубулина |
| title_full_unstemmed | Создание QSAR моделей для поиска ингибиторов тубулина |
| title_short | Создание QSAR моделей для поиска ингибиторов тубулина |
| title_sort | создание qsar моделей для поиска ингибиторов тубулина |
| topic | Біохімія |
| topic_facet | Біохімія |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/86516 |
| work_keys_str_mv | AT semenûtaiv sozdanieqsarmodeleidlâpoiskaingibitorovtubulina AT kovališinvv sozdanieqsarmodeleidlâpoiskaingibitorovtubulina AT kopernikin sozdanieqsarmodeleidlâpoiskaingibitorovtubulina AT vasilenkoan sozdanieqsarmodeleidlâpoiskaingibitorovtubulina AT prokopenkovv sozdanieqsarmodeleidlâpoiskaingibitorovtubulina AT brovarecvs sozdanieqsarmodeleidlâpoiskaingibitorovtubulina AT semenûtaiv stvorennâqsarmodeleidlâpošukuingibitorivtubulinu AT kovališinvv stvorennâqsarmodeleidlâpošukuingibitorivtubulinu AT kopernikin stvorennâqsarmodeleidlâpošukuingibitorivtubulinu AT vasilenkoan stvorennâqsarmodeleidlâpošukuingibitorivtubulinu AT prokopenkovv stvorennâqsarmodeleidlâpošukuingibitorivtubulinu AT brovarecvs stvorennâqsarmodeleidlâpošukuingibitorivtubulinu AT semenûtaiv creationofqsarmodelstosearchforinhibitorsoftubulin AT kovališinvv creationofqsarmodelstosearchforinhibitorsoftubulin AT kopernikin creationofqsarmodelstosearchforinhibitorsoftubulin AT vasilenkoan creationofqsarmodelstosearchforinhibitorsoftubulin AT prokopenkovv creationofqsarmodelstosearchforinhibitorsoftubulin AT brovarecvs creationofqsarmodelstosearchforinhibitorsoftubulin |