Machine Learning and Deep Learning in Computational Toxicology

Cập nhật vào: Thứ năm - 03/10/2024 04:54

Nhan đề chính: Machine Learning and Deep Learning in Computational Toxicology

Nhan đề dịch: Học máy và học sâu trong độc chất học tính toán

Tác giả: Huixiao Hong

Nhà xuất bản: Springer, Cham

Năm xuất bản: 2023

Số trang: 635 tr.

Ngôn ngữ: Tiếng Anh

ISBN: 978-3-031-20730-3

SpringerLink

Lời giới thiệu: Cuốn sách này là tập hợp các thuật toán, phương pháp, kiến trúc và công cụ phần mềm học máy và học sâu đã được phát triển và ứng dụng rộng rãi trong độc chất học tính toán. Cuốn sách biên soạn một tập hợp các ứng dụng gần đây sử dụng các kỹ thuật học máy và học sâu tiên tiến trong việc phân tích nhiều loại dữ liệu điểm cuối về độc chất học. Nội dung minh họa các thuật toán, phương pháp và công cụ phần mềm học máy và học sâu đó; tóm tắt các ứng dụng của học máy và học sâu trong độc chất học tính toán với văn bản thông tin, hình ảnh và bảng biểu do các chuyên gia hàng đầu đóng góp. Một trong những đặc điểm chính là các nghiên cứu điển hình về ứng dụng của học máy và học sâu trong nghiên cứu độc chất học, đóng vai trò là ví dụ để độc giả tìm hiểu cách áp dụng các kỹ thuật học máy và học sâu trong độc chất học tính toán. Cuốn sách này dự kiến sẽ cung cấp tài liệu tham khảo về các ứng dụng thực tế của học máy và học sâu trong nghiên cứu độc chất học. Đây là hướng dẫn hữu ích cho các nhà độc chất học, nhà hóa học, nhà nghiên cứu phát hiện và phát triển thuốc, nhà khoa học quản lý, người đánh giá của chính phủ và sinh viên sau đại học. Lợi ích chính đối với người đọc là hiểu được các kỹ thuật học máy và học sâu được sử dụng rộng rãi và có được các quy trình thực tế để áp dụng học máy và học sâu trong độc chất học tính toán.

Từ khóa: Độc chất học. Học máy. Học sâu. Khoa học máy tính. Ứng dụng.

Nội dung cuốn sách gồm những phần sau

Học máy và học sâu thúc đẩy độc tính tính toán để đánh giá rủi ro của hóa chất

Phương pháp học máy và học sâu để đánh giá độc tính tính toán

Đánh giá độc tính của chất lạ có tính đến quá trình chuyển hóa của chúng

Các kỹ thuật học máy mới nổi trong việc dự đoán phản ứng thuốc có hại

Thuật toán học sâu về tác dụng của thuốc dựa trên mạng tích chập đồ họa

Học máy dựa trên AOP để dự đoán độc tính

Học hạt nhân đồ thị cho các mô hình độc tính dự đoán

Tối ưu hóa và tăng cường các mô hình học máy dựa trên các xét nghiệm trong ống nghiệm với kiến thức cơ học và dữ liệu thực tế

Học đa nhiệm cho các mối quan hệ cấu trúc-hoạt động định lượng: Hướng dẫn

Các công cụ và phương pháp thúc đẩy các phương pháp học máy và học sâu trong độc tính học tính toán

Nền tảng phân tích dự đoán Isalos: Cheminformatics, Tin học nano và Ứng dụng khai thác dữ liệu

ED Profiler: Công cụ học máy để sàng lọc các hóa chất có khả năng gây rối loạn nội tiết

Mô hình dự đoán độc tính mục tiêu định lượng (QTTPM): Kết hợp học máy với các mô tả tương tác protein-phối tử động (DyPLID) để dự đoán độc tính do thụ thể androgen trung gian

Mô tả Mold2 tạo điều kiện phát triển các mô hình học máy và học sâu để dự đoán độc tính của hóa chất

Đặc điểm miền ứng dụng cho các mô hình QSAR học máy

Kiểm soát nhiễu trong các mô hình học máy khảo sát phức tạp để đánh giá rủi ro và an toàn thuốc

Độ phân giải đường cong đa biến để phân tích hệ thống không đồng nhất trong Độc chất di truyền học

Học máy và học sâu để dự đoán độc tính hóa học

Phần mở đầu

Sử dụng học máy để hỗ trợ dự đoán an toàn thuốc

Học máy và học sâu để dự đoán độc tính hóa học

Mô hình QSAR dựa trên học máy và cảnh báo cấu trúc để dự đoán rối loạn chức năng ty thể

Ứng dụng học máy và học sâu để đánh giá khả năng gây đột biến

Mô hình hóa dữ liệu Tox21 để dự đoán độc tính và giải mã cơ chế

Xác định cảnh báo cấu trúc bằng học máy và ứng dụng của chúng trong độc chất học

Học máy trong dự đoán độc tính nano

Học máy để dự đoán độc tính của cơ quan

Tiến trình của học máy và học sâu trong các lĩnh vực mới

Mô hình tính toán để dự đoán độc tính của gan do thuốc và hóa chất gây ra

Trí tuệ nhân tạo để đánh giá rủi ro độc tính tim liên quan đến liệu pháp điều trị ung thư và tim mạch chính xác-ung thư

Mô hình học sâu để dự đoán hoạt động của hợp chất trên một nhóm protein liên quan đến độc tính chính

Học máy để phân tích tính an toàn của thuốc trong hồ sơ sức khỏe điện tử

Cung cấp năng lượng cho các nghiên cứu về độc tính di truyền bằng cách áp dụng học máy vào giải trình tự bộ gen và phát hiện biến thể

Học máy để dự đoán khả năng hấp phụ khí của khung hữu cơ kim loại

Machine Learning and Deep Learning in Computational Toxicology

Những tin mới hơn

Những tin cũ hơn