دانلود مقاله ISI انگلیسی شماره 150645
ترجمه فارسی عنوان مقاله

انتخاب خودکار توصیفگرهای مولکولی با استفاده از جنگل تصادفی: کاربرد در کشف دارو

عنوان انگلیسی
Automatic selection of molecular descriptors using random forest: Application to drug discovery
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
150645 2017 27 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 6330 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 70 تومان 12 روز بعد از پرداخت 443,100 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 140 تومان 6 روز بعد از پرداخت 886,200 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
تولید محتوا برای سایت شما
پایگاه ISIArticles آمادگی دارد با همکاری مجموعه «شهر محتوا» با بهره گیری از منابع معتبر علمی، برای کتاب، سایت، وبلاگ، نشریه و سایر رسانه های شما، به زبان فارسی «تولید محتوا» نماید.
  • تولید محتوا با مقالات ISI برای سایت یا وبلاگ شما
  • تولید محتوا با مقالات ISI برای کتاب شما
  • تولید محتوا با مقالات ISI برای نشریه یا رسانه شما
  • و...

پیشنهاد می کنیم کیفیت محتوای سایت خود را با استفاده از منابع علمی، افزایش دهید.

سفارش تولید محتوا کد تخفیف 10 درصدی: isiArticles
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Expert Systems with Applications, Volume 72, 15 April 2017, Pages 151-159

ترجمه کلمات کلیدی
جنگل تصادفی کشف مواد مخدر، توصیفگرهای مولکولی، شیمی محاسباتی،
کلمات کلیدی انگلیسی
Random forest; Drug discovery; Molecular descriptors; Computational chemistry;
پیش نمایش مقاله
پیش نمایش مقاله انتخاب خودکار توصیفگرهای مولکولی با استفاده از جنگل تصادفی: کاربرد در کشف دارو

چکیده انگلیسی

The optimal selection of chemical features (molecular descriptors) is an essential pre-processing step for the efficient application of computational intelligence techniques in virtual screening for identification of bioactive molecules in drug discovery. The selection of molecular descriptors has key influence in the accuracy of affinity prediction. In order to improve this prediction, we examined a Random Forest (RF)-based approach to automatically select molecular descriptors of training data for ligands of kinases, nuclear hormone receptors, and other enzymes. The reduction of features to use during prediction dramatically reduces the computing time over existing approaches and consequently permits the exploration of much larger sets of experimental data. To test the validity of the method, we compared the results of our approach with the ones obtained using manual feature selection in our previous study (Perez-Sanchez, Cano, and Garcia-Rodriguez, 2014).The main novelty of this work in the field of drug discovery is the use of RF in two different ways: feature ranking and dimensionality reduction, and classification using the automatically selected feature subset. Our RF-based method outperforms classification results provided by Support Vector Machine (SVM) and Neural Networks (NN) approaches.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 6330 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 70 تومان 12 روز بعد از پرداخت 443,100 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 140 تومان 6 روز بعد از پرداخت 886,200 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.