Feature Learning applied to the Estimation of Tensile Strength at Break in Polymeric Material Design

Autores
Cravero, Fiorella; Martínez, María Jimena; Vazquez, Gustavo Esteban; Diaz, Monica Fatima; Ponzoni, Ignacio
Año de publicación
2016
Idioma
inglés
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Several feature extraction approaches for QSPR modelling in Cheminformatics are discussed in this paper. In particular, this work is focused on the use of these strategies for predicting mechanical properties, which are relevant for the design of polymeric materials. The methodology analysed in this study employs a feature learning method that uses a quantification process of 2D structural characterization of materials with the autoencoder method. Alternative QSPR models inferred for tensile strength at break (a well-known mechanical property of polymers) are presented. These alternative models are contrasted to QSPR models obtained by feature selection technique by using accuracy measures and a visual analytic tool. The results show evidence about the benefits of combining feature learning approaches with feature selection methods for the design of QSPR models.
Fil: Cravero, Fiorella. 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: Martínez, María Jimena. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación; Argentina
Fil: Vazquez, Gustavo Esteban. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Católica del Uruguay; Uruguay
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: Ponzoni, Ignacio. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación; Argentina
Materia
CHEMINFORMATICS
BIOINFORMATICS
QSPR MODELLING
MACHINE LEARNING
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-nd/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/54608

id CONICETDig_daf590310c14e34282437680e703942e
oai_identifier_str oai:ri.conicet.gov.ar:11336/54608
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Feature Learning applied to the Estimation of Tensile Strength at Break in Polymeric Material DesignCravero, FiorellaMartínez, María JimenaVazquez, Gustavo EstebanDiaz, Monica FatimaPonzoni, IgnacioCHEMINFORMATICSBIOINFORMATICSQSPR MODELLINGMACHINE LEARNINGhttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1Several feature extraction approaches for QSPR modelling in Cheminformatics are discussed in this paper. In particular, this work is focused on the use of these strategies for predicting mechanical properties, which are relevant for the design of polymeric materials. The methodology analysed in this study employs a feature learning method that uses a quantification process of 2D structural characterization of materials with the autoencoder method. Alternative QSPR models inferred for tensile strength at break (a well-known mechanical property of polymers) are presented. These alternative models are contrasted to QSPR models obtained by feature selection technique by using accuracy measures and a visual analytic tool. The results show evidence about the benefits of combining feature learning approaches with feature selection methods for the design of QSPR models.Fil: Cravero, Fiorella. 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: Martínez, María Jimena. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación; ArgentinaFil: Vazquez, Gustavo Esteban. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Católica del Uruguay; UruguayFil: 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: Ponzoni, Ignacio. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación; ArgentinaDe Gruyter2016-11-20info: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/11336/54608Cravero, Fiorella; Martínez, María Jimena; Vazquez, Gustavo Esteban; Diaz, Monica Fatima; Ponzoni, Ignacio; Feature Learning applied to the Estimation of Tensile Strength at Break in Polymeric Material Design; De Gruyter; Journal of Integrative Bioinformatics; 13; 2; 20-11-2016; 286-3011613-4516CONICET DigitalCONICETenginfo:eu-repo/semantics/altIdentifier/url/https://www.degruyter.com/view/j/jib.2016.13.issue-2/jib-2016-286/jib-2016-286.xmlinfo:eu-repo/semantics/altIdentifier/doi/10.2390/biecoll-jib-2016-286info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T09:57:05Zoai:ri.conicet.gov.ar:11336/54608instacron: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:34982025-09-29 09:57:05.723CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Feature Learning applied to the Estimation of Tensile Strength at Break in Polymeric Material Design
title Feature Learning applied to the Estimation of Tensile Strength at Break in Polymeric Material Design
spellingShingle Feature Learning applied to the Estimation of Tensile Strength at Break in Polymeric Material Design
Cravero, Fiorella
CHEMINFORMATICS
BIOINFORMATICS
QSPR MODELLING
MACHINE LEARNING
title_short Feature Learning applied to the Estimation of Tensile Strength at Break in Polymeric Material Design
title_full Feature Learning applied to the Estimation of Tensile Strength at Break in Polymeric Material Design
title_fullStr Feature Learning applied to the Estimation of Tensile Strength at Break in Polymeric Material Design
title_full_unstemmed Feature Learning applied to the Estimation of Tensile Strength at Break in Polymeric Material Design
title_sort Feature Learning applied to the Estimation of Tensile Strength at Break in Polymeric Material Design
dc.creator.none.fl_str_mv Cravero, Fiorella
Martínez, María Jimena
Vazquez, Gustavo Esteban
Diaz, Monica Fatima
Ponzoni, Ignacio
author Cravero, Fiorella
author_facet Cravero, Fiorella
Martínez, María Jimena
Vazquez, Gustavo Esteban
Diaz, Monica Fatima
Ponzoni, Ignacio
author_role author
author2 Martínez, María Jimena
Vazquez, Gustavo Esteban
Diaz, Monica Fatima
Ponzoni, Ignacio
author2_role author
author
author
author
dc.subject.none.fl_str_mv CHEMINFORMATICS
BIOINFORMATICS
QSPR MODELLING
MACHINE LEARNING
topic CHEMINFORMATICS
BIOINFORMATICS
QSPR MODELLING
MACHINE LEARNING
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv Several feature extraction approaches for QSPR modelling in Cheminformatics are discussed in this paper. In particular, this work is focused on the use of these strategies for predicting mechanical properties, which are relevant for the design of polymeric materials. The methodology analysed in this study employs a feature learning method that uses a quantification process of 2D structural characterization of materials with the autoencoder method. Alternative QSPR models inferred for tensile strength at break (a well-known mechanical property of polymers) are presented. These alternative models are contrasted to QSPR models obtained by feature selection technique by using accuracy measures and a visual analytic tool. The results show evidence about the benefits of combining feature learning approaches with feature selection methods for the design of QSPR models.
Fil: Cravero, Fiorella. 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: Martínez, María Jimena. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación; Argentina
Fil: Vazquez, Gustavo Esteban. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Católica del Uruguay; Uruguay
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: Ponzoni, Ignacio. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación; Argentina
description Several feature extraction approaches for QSPR modelling in Cheminformatics are discussed in this paper. In particular, this work is focused on the use of these strategies for predicting mechanical properties, which are relevant for the design of polymeric materials. The methodology analysed in this study employs a feature learning method that uses a quantification process of 2D structural characterization of materials with the autoencoder method. Alternative QSPR models inferred for tensile strength at break (a well-known mechanical property of polymers) are presented. These alternative models are contrasted to QSPR models obtained by feature selection technique by using accuracy measures and a visual analytic tool. The results show evidence about the benefits of combining feature learning approaches with feature selection methods for the design of QSPR models.
publishDate 2016
dc.date.none.fl_str_mv 2016-11-20
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/11336/54608
Cravero, Fiorella; Martínez, María Jimena; Vazquez, Gustavo Esteban; Diaz, Monica Fatima; Ponzoni, Ignacio; Feature Learning applied to the Estimation of Tensile Strength at Break in Polymeric Material Design; De Gruyter; Journal of Integrative Bioinformatics; 13; 2; 20-11-2016; 286-301
1613-4516
CONICET Digital
CONICET
url http://hdl.handle.net/11336/54608
identifier_str_mv Cravero, Fiorella; Martínez, María Jimena; Vazquez, Gustavo Esteban; Diaz, Monica Fatima; Ponzoni, Ignacio; Feature Learning applied to the Estimation of Tensile Strength at Break in Polymeric Material Design; De Gruyter; Journal of Integrative Bioinformatics; 13; 2; 20-11-2016; 286-301
1613-4516
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://www.degruyter.com/view/j/jib.2016.13.issue-2/jib-2016-286/jib-2016-286.xml
info:eu-repo/semantics/altIdentifier/doi/10.2390/biecoll-jib-2016-286
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-nd/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
application/pdf
dc.publisher.none.fl_str_mv De Gruyter
publisher.none.fl_str_mv De Gruyter
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_ 1844613710507671552
score 13.070432