• 相关产品 +
  • 相关服务 +
  • 相关应用 +
  • 相关案例 +
  • 相关下载 +

咨询信息

我们的产品覆盖了化学信息学,生物信息学,以及实验室信息管理
针对您的研究需求

我们为您选择最适合您的产品
上传时间:2017-07-13 15:29:57
Sarah Nexus是一种新的预测致突变性的(Q)SAR方法。此项目是与FDA合作进行的,原始数据由FDA提供。其目标是确认潜在遗传毒性杂质,以满足ICH M7建议指导原则。Sarah Nexus使用独一无二、高度透明的机器学习算法,从Ames突变实验数据出发,构建统计模型。这种算法使用了一种新颖的、自组织分级网络来训练模型。
  • 产品特性
  • 产品演示
  • 常见问题
  • Sarah Nexus是一种新的预测致突变性的(Q)SAR方法。此项目是与FDA合作进行的,原始数据由FDA提供。其目标是确认潜在遗传毒性杂质,以满足ICH M7建议指导原则。Sarah Nexus使用独一无二、高度透明的机器学习算法,从Ames突变实验数据出发,构建统计模型。这种算法使用了一种新颖的、自组织分级网络来训练模型。它通过碎片化输入结构使得模型具有更高的透明度,更易诠释预测结果,从而方便专家审核,以满足ICH M7指导原则要求。

    Sarah Nexus方法学-分级模型

    SarahNexus采用独一无二的分级模型,不仅可以搜索匹配片段,还可以通过使用与您的化合物结构最相似的结构来优化结果。此方法保留那些可能具有更高毒性的片段。片段可以是各种大小,并且允许结构重叠,确保更高的预测精确度。Sarah Nexus预测结果的结构解释通过突出显示这些模型认为有意义的片段来实现。图1-3诠释了碎片化过程的步骤。



    图1 输入化合物结构切割为“相关”片段



    图2 使用回归式学习方法评估每个片段对于阳性和阴性的贡献



    图3模型将相关片段组织为网络,每个节点对应一个假设。从每个相关片段的预测和置信度可以获得总的预测结果



    Sarah Nexus预测结果可靠性

    SarahNexus通过直接访问支持数据对每一个预测结果提供置信评分和结构解释,从而辅助专家分析。

    置信评分基于每个片段对于预测结果的贡献和权重。对于每个片段,用户可以滚动查看单个化合物的毒性以及对于每个片段预测结果的贡献(图5)。作为预测结果的一部分,SarahNexus显示预测结果的置信度。我们的分析显示,置信度和精确度具有很强的相关性。



    图4 Sarah Nexus的置信评分与准确度具有很强的相关性

    如果想为预测结果寻求更多的支持信息,Sarah Nexus可以与Vitic Nexus连用。Vitic Nexus当中保存了详细的信息,包括细菌谱系、参考文献等,可以用作进一步的预测,作为提审材料的支持。内部测试表明,Sarah Nexus与其他成熟的统计模型表现出同样好的预测能力。正如任何一种计算机辅助预测,我们建议应当由专家来复核预测结果并对阳性预测结果进行判断。这种判断是建立在足够的数据和支持信息基础上的。对于每个预测,Sarah Nexus都提供完全透明大量的细节信息。