Resumen

Muchos de los enfoques de cribado virtual basados en similitud asumen que los fragmentos moleculares que no están relacionados con la actividad biológica llevan el mismo peso que los importantes. Esta fue la razón que llevó al uso de redes bayesianas como una alternativa a las herramientas existentes para el cribado virtual basado en similitud. En nuestro trabajo reciente, se observó que el rendimiento de recuperación de la red de inferencia bayesiana (BIN) mejoraba significativamente cuando los fragmentos moleculares eran reponderados utilizando la información de retroalimentación de relevancia. En este artículo, se utilizaron un conjunto de estructuras de referencia activas para reponderar los fragmentos en la estructura de referencia. En este enfoque, se asignaron pesos más altos a aquellos fragmentos que ocurren con más frecuencia en el conjunto de estructuras de referencia activas, mientras que se penalizaban los demás. Experimentos simulados de cribado virtual con conjuntos de datos de informes de medicamentos de MDL mostraron que el enfoque propuesto mejoraba significativamente la efectividad

• Materias:Energías renovables Hidrocarburos Infección Enfermedades mentales Tumor
• Subjects:Renewable energy Hydrocarbons Infection Mental illness Tumor
• Palabras claves:Fragmentos moleculares; Redes bayesianas; Rendimiento de recuperación; Información de retroalimentación de relevancia; Estructuras de referencia activas; Cribado virtual basado en ligandos
• Keywords:Molecular fragments; Bayesian networks; Retrieval performance; Relevance feedback information; Active reference structures; Ligand-based virtual screening