Automatic selection of molecular descriptors using random forest: Application to drug discovery

详细信息    查看全文

• 作者：Gaspar Cano<sup>asup><sup> ; sup><sup>gcano@dtic.ua.essup> ; Jose Garcia-Rodriguez<sup> ; sup><sup>asup><sup> ; sup><sup>jgr@ua.essup> ; Alberto Garcia-Garcia<sup>asup><sup> ; sup><sup>agarcia@dtic.ua.essup> ; Horacio Perez-Sanchez<sup>bsup><sup> ; sup><sup>hperez@ucam.edusup> ; Jó ; n Atli Benediktsson<sup>csup><sup> ; sup><sup>benedikt@hi.issup> ; Anil Thapa<sup>dsup><sup> ; sup><sup>anilth@hi.issup> ; Alastair Barr<sup>esup><sup> ; sup><sup>A.Barr1@westminster.ac.uksup>
• 关键词：Random forest ; Drug discovery ; Molecular descriptors ; Computational chemistry
• 刊名：Expert Systems with Applications
• 出版年：2017
• 出版时间：15 April 2017
• 年：2017
• 卷：72
• 期：Complete
• 页码：151-159
• 全文大小：2604 K
• 卷排序：72

文摘

Random Forest based approach to improve the selection of molecular descriptors. Automatic features selection improves drug discovering methods accuracy. Reduction of complexity and time requirements allows to explore larger datasets.