独自のデータから得た知識を活用した予測モデルの最適化  

化学物質の安全性評価において重要なエンドポイントである皮膚感作性など、実験データが不足している化合物の潜在的リスクを評価するためには、計算手法が不可欠である。独自のデータソースから得られた知識をインシリコモデルに統合することで、インシリコモデルの 予測精度と信頼性が向上することがこれまでに示されている。 

最近、リードスコープは産業界と協力し、皮膚感作性モデルを更新した。この取り組みには、独自のデータソースから得た知識をエキスパート・ルール・ベース・システムの知識ベースに統合することも含まれた。 さらに、数百の新しい構造が訓練データベースと参照データベースに追加された。業界パートナーとの共同作業により、局所リンパ節アッセイ（LLNA）またはモルモット最大化試験（GPMT）で評価された 925 種類の化合物について、過去の皮膚感作性データが収集された。更新されたモデルは、独自のデータセットにおいて、強い感作／極度の感作の結果を82％の精度で予測することを実証した。この研究は、企業データベースからの知識は、予測能力と性能を拡大したインシリコモデルを advance ことができるという仮説を支持するものである。  

フロリダ州オーランドで開催されるSOT^64thAnnual Meeting and ToxExpoのシンポジウム「Extraction of Knowledge from Proprietary Datasets for Advancement of QSAR Models」（3月^19日（水）午前9時5分～午前9時35分、W203A会議室）で、この共同研究の成果を共有できることを嬉しく思う。

専門家にご相談いただくか、こちらでソリューションの詳細をご覧ください。