热点事件历史事件

机器学习预测CYP450诱导与PXR激活的基准测试结果

1 篇报道1 个报道来源10 天前更新

先了解这件事

AI 综述

Markus Orsi等作者在ACS JCIM发表基准研究，用覆盖CYP3A4、CYP2B6、CYP1A2诱导及PXR激活的工业规模数据集，在六种分子表示上测试四种机器学习模型，并与公共数据集训练的模型比较。在内部数据上，最佳模型区分诱导剂与非诱导剂仅达中等水平（MCC 0.35–0.46），且无法预测诱导幅度；各模型与表示间差异多不显著，作者据此认为限制因素在数据而非方法。作者还称，在一个终点上训练的模型可部分预测其他终点，这种迁移符合PXR与CYP450酶已知的调控关系；模型校准尚可，可用于在适用域内对化合物排序。

AI 根据报道生成 · 9 天前更新

最新进展10月30日 08:00

研究基准测试机器学习预测CYP450诱导与PXR激活

报道时间线

沿着报道，了解事件的不同侧面。

10月30日

08:00
ACS JCIM (化学信息与建模)精选
研究基准测试机器学习预测CYP450诱导与PXR激活
【摘要级】研究利用覆盖CYP3A4、CYP2B6、CYP1A2诱导及PXR激活的工业规模数据集，在六种分子表示上基准测试四种机器学习模型，并与公共数据集训练的模型比较。内部数据上最佳模型区分诱导剂与非诱导剂仅达中等水平（MCC 0.35–0.46），且无法预测诱导幅度，各模型与表示间差异多不显著，提示限制因素在数据而非方法。

本事件热度走势

可比范围当前: 2
可比范围峰值: 511月2日 02:00
近 24 小时变化: -20%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。