Visual analytics in cheminformatics: user-supervised descriptor selection for QSAR methods

Autores
Martínez, María Jimena; Ponzoni, Ignacio; Diaz, Monica Fatima; Vazquez, Gustavo Esteban; Soto, Axel Juan
Año de publicación
2015
Idioma
inglés
Tipo de recurso
artículo
Estado
versión publicada
Descripción
The design of QSAR/QSPR models is a challenging problem, where the selection of the most relevant descriptors constitutes a key step of the process. Several feature selection methods that address this step are concentrated on statistical associations among descriptors and target properties, whereas the chemical knowledge is left out of the analysis. For this reason, the interpretability and generality of the QSAR/QSPR models obtained by these feature selection methods are drastically affected. Therefore, an approach for integrating domain expert?s knowledge in the selection process is needed for increase the confidence in the final set of descriptors.
Fil: Martínez, María Jimena. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Laboratorio de Investigación y Desarrollo en Computación Científica; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Ponzoni, Ignacio. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Laboratorio de Investigación y Desarrollo en Computación Científica; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Diaz, Monica Fatima. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Planta Piloto de Ingeniería Química. Universidad Nacional del Sur. Planta Piloto de Ingeniería Química; Argentina
Fil: Vazquez, Gustavo Esteban. Universidad Católica del Uruguay. Facultad de Ingeniería y Tecnologías; Uruguay. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Soto, Axel Juan. Dalhousie University. Faculty of Computer Science; Canadá. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Materia
Feature selection
Visual analytics
QSAR
Cheminformatics
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/24166
Acceder
id CONICETDig_aff73d66f23b68d1d52f47a10aa4d97c
oai_identifier_str oai:ri.conicet.gov.ar:11336/24166
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Visual analytics in cheminformatics: user-supervised descriptor selection for QSAR methodsMartínez, María JimenaPonzoni, IgnacioDiaz, Monica FatimaVazquez, Gustavo EstebanSoto, Axel JuanFeature selectionVisual analyticsQSARCheminformaticshttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1The design of QSAR/QSPR models is a challenging problem, where the selection of the most relevant descriptors constitutes a key step of the process. Several feature selection methods that address this step are concentrated on statistical associations among descriptors and target properties, whereas the chemical knowledge is left out of the analysis. For this reason, the interpretability and generality of the QSAR/QSPR models obtained by these feature selection methods are drastically affected. Therefore, an approach for integrating domain expert?s knowledge in the selection process is needed for increase the confidence in the final set of descriptors.Fil: Martínez, María Jimena. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Laboratorio de Investigación y Desarrollo en Computación Científica; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaFil: Ponzoni, Ignacio. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Laboratorio de Investigación y Desarrollo en Computación Científica; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaFil: Diaz, Monica Fatima. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Planta Piloto de Ingeniería Química. Universidad Nacional del Sur. Planta Piloto de Ingeniería Química; ArgentinaFil: Vazquez, Gustavo Esteban. Universidad Católica del Uruguay. Facultad de Ingeniería y Tecnologías; Uruguay. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaFil: Soto, Axel Juan. Dalhousie University. Faculty of Computer Science; Canadá. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaChemistry Central2015-08-19info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/24166Martínez, María Jimena; Ponzoni, Ignacio; Diaz, Monica Fatima; Vazquez, Gustavo Esteban; Soto, Axel Juan; Visual analytics in cheminformatics: user-supervised descriptor selection for QSAR methods; Chemistry Central; Journal of cheminformatics; 7; 39; 19-8-2015; 1-171758-2946CONICET DigitalCONICETenginfo:eu-repo/semantics/altIdentifier/url/https://jcheminf.springeropen.com/articles/10.1186/s13321-015-0092-4info:eu-repo/semantics/altIdentifier/doi/10.1186/s13321-015-0092-4info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-03T09:56:39Zoai:ri.conicet.gov.ar:11336/24166instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-03 09:56:39.933CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Visual analytics in cheminformatics: user-supervised descriptor selection for QSAR methods
title Visual analytics in cheminformatics: user-supervised descriptor selection for QSAR methods
spellingShingle Visual analytics in cheminformatics: user-supervised descriptor selection for QSAR methods
Martínez, María Jimena
Feature selection
Visual analytics
QSAR
Cheminformatics
title_short Visual analytics in cheminformatics: user-supervised descriptor selection for QSAR methods
title_full Visual analytics in cheminformatics: user-supervised descriptor selection for QSAR methods
title_fullStr Visual analytics in cheminformatics: user-supervised descriptor selection for QSAR methods
title_full_unstemmed Visual analytics in cheminformatics: user-supervised descriptor selection for QSAR methods
title_sort Visual analytics in cheminformatics: user-supervised descriptor selection for QSAR methods
dc.creator.none.fl_str_mv Martínez, María Jimena
Ponzoni, Ignacio
Diaz, Monica Fatima
Vazquez, Gustavo Esteban
Soto, Axel Juan
author Martínez, María Jimena
author_facet Martínez, María Jimena
Ponzoni, Ignacio
Diaz, Monica Fatima
Vazquez, Gustavo Esteban
Soto, Axel Juan
author_role author
author2 Ponzoni, Ignacio
Diaz, Monica Fatima
Vazquez, Gustavo Esteban
Soto, Axel Juan
author2_role author
author
author
author
dc.subject.none.fl_str_mv Feature selection
Visual analytics
QSAR
Cheminformatics
topic Feature selection
Visual analytics
QSAR
Cheminformatics
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv The design of QSAR/QSPR models is a challenging problem, where the selection of the most relevant descriptors constitutes a key step of the process. Several feature selection methods that address this step are concentrated on statistical associations among descriptors and target properties, whereas the chemical knowledge is left out of the analysis. For this reason, the interpretability and generality of the QSAR/QSPR models obtained by these feature selection methods are drastically affected. Therefore, an approach for integrating domain expert?s knowledge in the selection process is needed for increase the confidence in the final set of descriptors.
Fil: Martínez, María Jimena. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Laboratorio de Investigación y Desarrollo en Computación Científica; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Ponzoni, Ignacio. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Laboratorio de Investigación y Desarrollo en Computación Científica; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Diaz, Monica Fatima. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Planta Piloto de Ingeniería Química. Universidad Nacional del Sur. Planta Piloto de Ingeniería Química; Argentina
Fil: Vazquez, Gustavo Esteban. Universidad Católica del Uruguay. Facultad de Ingeniería y Tecnologías; Uruguay. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Soto, Axel Juan. Dalhousie University. Faculty of Computer Science; Canadá. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
description The design of QSAR/QSPR models is a challenging problem, where the selection of the most relevant descriptors constitutes a key step of the process. Several feature selection methods that address this step are concentrated on statistical associations among descriptors and target properties, whereas the chemical knowledge is left out of the analysis. For this reason, the interpretability and generality of the QSAR/QSPR models obtained by these feature selection methods are drastically affected. Therefore, an approach for integrating domain expert?s knowledge in the selection process is needed for increase the confidence in the final set of descriptors.
publishDate 2015
dc.date.none.fl_str_mv 2015-08-19
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/24166
Martínez, María Jimena; Ponzoni, Ignacio; Diaz, Monica Fatima; Vazquez, Gustavo Esteban; Soto, Axel Juan; Visual analytics in cheminformatics: user-supervised descriptor selection for QSAR methods; Chemistry Central; Journal of cheminformatics; 7; 39; 19-8-2015; 1-17
1758-2946
CONICET Digital
CONICET
url http://hdl.handle.net/11336/24166
identifier_str_mv Martínez, María Jimena; Ponzoni, Ignacio; Diaz, Monica Fatima; Vazquez, Gustavo Esteban; Soto, Axel Juan; Visual analytics in cheminformatics: user-supervised descriptor selection for QSAR methods; Chemistry Central; Journal of cheminformatics; 7; 39; 19-8-2015; 1-17
1758-2946
CONICET Digital
CONICET
dc.language.none.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://jcheminf.springeropen.com/articles/10.1186/s13321-015-0092-4
info:eu-repo/semantics/altIdentifier/doi/10.1186/s13321-015-0092-4
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
application/pdf
dc.publisher.none.fl_str_mv Chemistry Central
publisher.none.fl_str_mv Chemistry Central
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1842269416151056384
score 13.13397

Publicaciones similares