Comparación del desempeño de una red neural artificial y regresión lineal múltiple en la predicción de la actividad biológica de análogos de la cocaína a partir de descriptores moleculares

IF 0.2 Q4 ENGINEERING, MULTIDISCIPLINARY
Luis Puerta, H. Labrador, Mario Arnías
{"title":"Comparación del desempeño de una red neural artificial y regresión lineal múltiple en la predicción de la actividad biológica de análogos de la cocaína a partir de descriptores moleculares","authors":"Luis Puerta, H. Labrador, Mario Arnías","doi":"10.54139/revinguc.v29i3.285","DOIUrl":null,"url":null,"abstract":"El objetivo de la presente investigación, fue comparar el desempeño de las redes neurales artificiales con la regresión lineal múltiple en la predicción de la actividad biológica de los análogos de la cocaína a partir de descriptores moleculares. Para esto, se seleccionó un conjunto de 14 descriptores moleculares agrupados en descriptores químicos cuánticos y descriptores de la estructura tridimensional de la molécula y se calcularon sus valores de forma teórica, para 65 estructuras análogas de la cocaína, realizándose luego la construcción del modelo de redes neurales artificiales y regresión lineal múltiple, para la predicción de la actividad biológica expresada como afinidad (IC50). Se encontró que las redes neurales artificiales presentaron un R2 de 0,8651, mientras que la regresión múltiple lineal presentó un valor de R2 de 0,039, lo que indica que las redes neurales artificiales tienen un mejor desempeño que la regresión múltiple lineal en la predicción de la actividad biológica de los análogos de la cocaína a partir de los descriptores moleculares seleccionados, y que el efecto de los descriptores sobre la actividad biológica es de naturaleza no lineal.","PeriodicalId":41362,"journal":{"name":"Ingenieria UC","volume":" ","pages":""},"PeriodicalIF":0.2000,"publicationDate":"2023-04-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Ingenieria UC","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.54139/revinguc.v29i3.285","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"ENGINEERING, MULTIDISCIPLINARY","Score":null,"Total":0}
引用次数: 0

Abstract

El objetivo de la presente investigación, fue comparar el desempeño de las redes neurales artificiales con la regresión lineal múltiple en la predicción de la actividad biológica de los análogos de la cocaína a partir de descriptores moleculares. Para esto, se seleccionó un conjunto de 14 descriptores moleculares agrupados en descriptores químicos cuánticos y descriptores de la estructura tridimensional de la molécula y se calcularon sus valores de forma teórica, para 65 estructuras análogas de la cocaína, realizándose luego la construcción del modelo de redes neurales artificiales y regresión lineal múltiple, para la predicción de la actividad biológica expresada como afinidad (IC50). Se encontró que las redes neurales artificiales presentaron un R2 de 0,8651, mientras que la regresión múltiple lineal presentó un valor de R2 de 0,039, lo que indica que las redes neurales artificiales tienen un mejor desempeño que la regresión múltiple lineal en la predicción de la actividad biológica de los análogos de la cocaína a partir de los descriptores moleculares seleccionados, y que el efecto de los descriptores sobre la actividad biológica es de naturaleza no lineal.
人工神经网络和多元线性回归在分子描述符预测可卡因类似物生物活性中的性能比较
在分子描述符预测可卡因类似物的生物活性方面,人工神经网络与多元线性回归的比较是本研究的目的。为此,挑选了一组14在量子化学分子聚集在描述符描述符描述符和分子的三维结构理论和计算其价值观,为65结构类似可卡因,然后进行人工神经网络模型的构建和多重线性回归预测生物活动所相似(IC50)。发现人工神经网络提交0.8651 R2,而多重线性回归提供了价值R2 0.039,这表明人工神经网络具有更好的性能,活动的多重线性回归预测类似可卡因从生物分子描述符,并影响生物活动描述符是非线性性质。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
Ingenieria UC
Ingenieria UC ENGINEERING, MULTIDISCIPLINARY-
自引率
0.00%
发文量
8
审稿时长
12 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信