CINECA IRIS Institutional Research Information System
IRIS è l'Anagrafe della ricerca dell'Università degli Studi di Trento, e ha lo scopo di raccogliere, documentare, conservare e diffondere, anche ad accesso aperto, la produzione scientifica degli autori afferenti all'Università degli Studi di Trento.
EnglishWe introduce here ML4Tox, a framework offering Deep Learning and Support Vector Machine models to predict agonist, antagonist, and binding activities of chemical compounds, in this case for the estrogen receptor ligand-binding domain. The ML4Tox models have been developed with a 10 × 5-fold cross-validation schema on the training portion of the CERAPP ToxCast dataset, formed by 1677 chemicals, each described by 777 molecular features. On the CERAPP “All Literature” evaluation set (agonist: 6319 compounds; antagonist 6539; binding 7283), ML4Tox significantly improved sensitivity over published results on all three tasks, with agonist: 0.78 vs 0.56; antagonist: 0.69 vs 0.11; binding: 0.66 vs 0.26.
Machine learning models for predicting endocrine disruption potential of environmental chemicals / Chierici, Marco; Giulini, Marco; Bussola, Nicole; Jurman, Giuseppe; Furlanello, Cesare. - In: JOURNAL OF ENVIRONMENTAL SCIENCE AND HEALTH. PART C, ENVIRONMENTAL CARCINOGENESIS & ECOTOXICOLOGY REVIEWS. - ISSN 1059-0501. - STAMPA. - 36:4(2019), pp. 237-251. [10.1080/10590501.2018.1537155]
Scheda prodotto non validato
I dati visualizzati non sono stati ancora sottoposti a validazione formale da parte dello Staff di IRIS, ma sono stati ugualmente trasmessi al Sito Docente Cineca (Loginmiur).
| Titolo: | Machine learning models for predicting endocrine disruption potential of environmental chemicals | |
| Autori: | Chierici, Marco; Giulini, Marco; Bussola, Nicole; Jurman, Giuseppe; Furlanello, Cesare | |
| Autori Unitn: | ||
| Titolo del periodico: | JOURNAL OF ENVIRONMENTAL SCIENCE AND HEALTH. PART C, ENVIRONMENTAL CARCINOGENESIS & ECOTOXICOLOGY REVIEWS | |
| Anno di pubblicazione: | 2019 | |
| Numero e parte del fascicolo: | 4 | |
| Codice identificativo Scopus: | 2-s2.0-85059908168 | |
| Codice identificativo WOS: | WOS:000461662500005 | |
| Digital Object Identifier (DOI): | http://dx.doi.org/10.1080/10590501.2018.1537155 | |
| Handle: | http://hdl.handle.net/11572/343512 | |
| Citazione: | Machine learning models for predicting endocrine disruption potential of environmental chemicals / Chierici, Marco; Giulini, Marco; Bussola, Nicole; Jurman, Giuseppe; Furlanello, Cesare. - In: JOURNAL OF ENVIRONMENTAL SCIENCE AND HEALTH. PART C, ENVIRONMENTAL CARCINOGENESIS & ECOTOXICOLOGY REVIEWS. - ISSN 1059-0501. - STAMPA. - 36:4(2019), pp. 237-251. [10.1080/10590501.2018.1537155] | |
| Appare nelle tipologie: | 03.1 Articolo su rivista (Journal article) |
File in questo prodotto:
Copyright © 2022