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
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/54608
Ver los metadatos del registro completo
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 |