توضیحات
دیتاست پیشبینی خودایمنی القا شده توسط داروها
دیتاست پیشبینی خودایمنی القا شده توسط داروها شامل ویژگیهای مولکولی داروها است که با استفاده از ابزار RDKit استخراج شدهاند. هدف، پیشبینی ریسک خودایمنی ناشی از داروها با استفاده از روشهای یادگیری ماشین است. این دادهها برای توسعه مدلهای تفسیرپذیر در ارزیابی ایمنی داروها و پیشبینی سمیت دارویی مفید هستند.
معرفی و توضیح ستونهای کلیدی
🟢 1. Label (برچسب)
- تعریف: وضعیت خودایمنی القا شده توسط دارو (1 برای مثبت، 0 برای منفی)
- کاربرد: هدف اصلی مدلسازی برای پیشبینی ریسک خودایمنی
🟢 2. SMILES ID (شناسهٔ SMILES)
- تعریف: نمایشی متنی از ساختار مولکولی دارو
- کاربرد: استفاده در روشهای شیمیاطلاعاتی برای تحلیل ویژگیهای ساختاری
🟢 3. ویژگیهای مولکولی RDKit
- تعریف: ویژگیهای عددی استخراجشده از ساختار مولکولی دارو با استفاده از RDKit (مانند BalabanJ, BertzCT, Chi0, Chi1 و غیره)
- کاربرد: تحلیل ویژگیهای فیزیکوشیمیایی و ساختاری داروها برای پیشبینی سمیت
منابع و ارجاعدهی
- مقاله مرجع: Huang, X. (2025). InterDIA: Interpretable Prediction of Drug-induced Autoimmunity through Ensemble Machine Learning Approaches. Toxicology.
- DOI: 10.24432/C5332M
- لایسنس: Creative Commons Attribution 4.0 International (CC BY 4.0)
کاربردها
- پیشبینی ریسک خودایمنی داروها با استفاده از الگوریتمهای یادگیری ماشین.
- تحلیل ویژگیهای ساختاری و فیزیکوشیمیایی مولکولها.
- توسعه مدلهای تفسیرپذیر در ارزیابی ایمنی دارویی.
نکات مهم و محدودیتها
- دیتاست کوچک است (477 ردیف)، بنابراین برای مدلهای پیچیده باید احتیاط کرد.
- ویژگیها عددی هستند و نیاز به نرمالسازی یا پیشپردازش دارند.
- برخی ویژگیها ممکن است مقادیر گمشده یا صفر داشته باشند؛ پاکسازی داده ضروری است.
جستجوی دیتاستهای مشابه
اگر دیتاست پیشبینی خودایمنی القا شده توسط داروها برای شما جذاب است، میتوانید دیتاستهای مشابه زیر را بررسی کنید:
نقد و بررسیها
هنوز بررسیای ثبت نشده است.