化学構造式から受容体親和性を予測する機械学習モデルの構築とヒト有害事象の予測への応用

Description

京都大学 / 新制・課程博士 / 博士(薬科学) / 甲第23838号 / 薬科博第153号 / 新制||薬科||17(附属図書館) / 京都大学大学院薬学研究科薬科学専攻 / (主査)教授 金子 周司, 教授 山下 富義, 教授 掛谷 秀昭 / 学位規則第4条第1項該当 / Doctor of Pharmaceutical Sciences / Kyoto University / DFAM

Links & Downloads

1. http://hdl.handle.net/2433/275160
2. 10.14989/doctor.k23838
3. 14301

Tags

機械学習

化学構造式

薬理作用

親和性

有害事象

499.3

Additional Fields

Identifer	oai:union.ndltd.org:kyoto-u.ac.jp/oai:repository.kulib.kyoto-u.ac.jp:2433/275160
Date	23 March 2022
Creators	酒井, 幸
Contributors	Sakai, Miyuki, サカイ, ミユキ
Publisher	Kyoto University, 京都大学
Source Sets	Kyoto University
Language	Japanese
Detected Language	Unknown
Type	doctoral thesis, Thesis or Dissertation
Rights	許諾条件により本文は2023-02-28に公開, Sakai, M., Nagayasu, K., Shibui, N. et al. Prediction of pharmacological activities from chemical structures with graph convolutional neural networks. Sci Rep 11,  525 (2021). https://doi.org/10.1038/s41598-020-80113-7