知识卡片
预测可靠性受适用域约束
分子模型可以为许多可计算描述符的化合物输出数字,但可靠性依赖训练资料覆盖及目标任务。如果新分子与训练化合物差异很大,模型可能只是在缺少支持的区域外推。换更复杂网络或增加特征并不自动解决问题;评价应说明化学空间、标签条件和独立验证,避免把预测值当硬事实。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 人工智能在药物发现和开发中的应用 化学预测的表示与适用域 · 查看原书依据
一种化合物如果与用于训练模型的所有其他化合物高度不相似,就不太可能对其活性进行可靠的预测。模型性能可以通过升维超越简单的一维分子描述符来提高。二维描述符的使用拓宽了类药物化合物的化学空间,这是在分析一系列抗癌药物后发现的。 QSAR做出的线
参考来源
- 位置:《人工智能与计算生物的未来 (【美】布赖恩·希尔布什)》人工智能在药物发现和开发中的应用,化学预测的表示与适用域(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能与计算生物的未来 (【美】布赖恩·希尔布什)/_epub-src/EPUB/xhtml/Section08.xhtml)
- 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;历史案例不等于当前临床有效性或监管认可。已经核验的边界与书中陈述分开。
- 原始内容:一种化合物如果与用于训练模型的所有其他化合物高度不相似,就不太可能对其活性进行可靠的预测。模型性能可以通过升维超越简单的一维分子描述符来提高。二维描述符的使用拓宽了类药物化合物的化学空间,这是在分析一系列抗癌药物后发现的。 QSAR做出的线