prikaz prve stranice dokumenta Poboljšani algoritam za izbor i provjeru kvalitete najboljih multivarijacijskih modela odnosa strukture i svojstava molekula
No public access
scientific master's theses
Poboljšani algoritam za izbor i provjeru kvalitete najboljih multivarijacijskih modela odnosa strukture i svojstava molekula
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2011. urn:nbn:hr:168:987128
Papeš Šokčević, Lidija
University of Zagreb
Faculty of Electrical Engineering and Computing
Department of Electronic Systems and Information Processing
Ruđer Bošković Institute

Institutional repository: FER Repository

Cite this document

Papeš Šokčević, L. (2011). Poboljšani algoritam za izbor i provjeru kvalitete najboljih multivarijacijskih modela odnosa strukture i svojstava molekula (Scientific master's theses). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; Zagreb: Ruđer Bošković Institute. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:987128

Papeš Šokčević, Lidija. "Poboljšani algoritam za izbor i provjeru kvalitete najboljih multivarijacijskih modela odnosa strukture i svojstava molekula." Scientific master's theses, University of Zagreb, Faculty of Electrical Engineering and Computing; Ruđer Bošković Institute, 2011. https://urn.nsk.hr/urn:nbn:hr:168:987128

Papeš Šokčević, Lidija. "Poboljšani algoritam za izbor i provjeru kvalitete najboljih multivarijacijskih modela odnosa strukture i svojstava molekula." Scientific master's theses, University of Zagreb, Faculty of Electrical Engineering and Computing; Ruđer Bošković Institute, 2011. https://urn.nsk.hr/urn:nbn:hr:168:987128

Papeš Šokčević, L. (2011). 'Poboljšani algoritam za izbor i provjeru kvalitete najboljih multivarijacijskih modela odnosa strukture i svojstava molekula', Scientific master's theses, University of Zagreb, Faculty of Electrical Engineering and Computing; Ruđer Bošković Institute, accessed 03 June 2024, https://urn.nsk.hr/urn:nbn:hr:168:987128

Papeš Šokčević L. Poboljšani algoritam za izbor i provjeru kvalitete najboljih multivarijacijskih modela odnosa strukture i svojstava molekula [Scientific master's theses]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; Zagreb: Ruđer Bošković Institute; 2011 [cited 2024 June 03] Available at: https://urn.nsk.hr/urn:nbn:hr:168:987128

L. Papeš Šokčević, "Poboljšani algoritam za izbor i provjeru kvalitete najboljih multivarijacijskih modela odnosa strukture i svojstava molekula", Scientific master's theses, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb; Ruđer Bošković Institute, Zagreb, 2011. Available at: https://urn.nsk.hr/urn:nbn:hr:168:987128

Metadata
TitlePoboljšani algoritam za izbor i provjeru kvalitete najboljih multivarijacijskih modela odnosa strukture i svojstava molekula
Title (english)Improved algorithm for selection and validation of best multivariate structure-property molecular models
AuthorLidija Papeš Šokčević
MentorMile Šikić (mentor)
MentorBono Lučić (komentor)
Committee memberMladen Vučić (predsjednik povjerenstva)
Committee memberBono Lučić (član povjerenstva)
Committee memberMile Šikić (član povjerenstva)
Committee memberSven Lončarić (član povjerenstva)
Committee memberSanja Tomić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
(Department of Electronic Systems and Information Processing)
Zagreb
GranterRuđer Bošković Institute
Zagreb
Defense date and country2011-10-26, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Scientific / art field,
discipline and subdiscipline		BIOMEDICINE AND HEALTHCARE
Pharmacy
Scientific / art field,
discipline and subdiscipline		NATURAL SCIENCES
Chemistry
Universal decimal classification
(UDC)		004 - Computer science and technology. Computing. Data processing
54 - Chemistry. Crystallography. Mineralogy
615 - Pharmacology. Therapeutics. Toxicology
Abstract
Algoritam za izbor najboljih multivarijatnih modela (prema koeficijentu korelacije) razvijen je za potrebe primjena u istraživanju lijekova. Realiziran je u programskom jeziku Visual Basic i povezan je s bazom podataka. U radu je istražen odnos između statističkih parametara izračunatih na podacima u postupku prilagodbe na skupu za učenje, križne provjere ispuštanjem određenog postotka podataka skupa za učenje i u postupku predviđanja na vanjskom skupu podataka. Postupak križne provjere u kojem se u svakom koraku izbacuju veći podskupovi podataka pokazuje bolje slaganje s rezultatima dobivenim u predviđanju na vanjskom skupu nego najčešće korišteni postupak križne provjere u kojem se u svakom koraku izbacuje po jedna molekula. Nadalje, slaganje između statističkih parametara izračunatih u postupku prilagodbe na skupu za učenje i odgovarajućih parametara izračunatih u postupcima križnih provjera i na vanjskome skupu, znatno je bolje nego slaganja objavljivana u literaturi. To potvrđuje dobre strane primijenjenog postupka početne eliminacije deskriptora, smanjenja korelacije između deskriptora, postupka modeliranja i primijenjenoga algoritma za izbor modela. Za razliku od uobičajenih postupaka križne provjere koji se rabe u literaturi istražile su se učestalosti pojavljivanja pojedinih deskriptora u najboljim modelima. Na temelju tih analiza načinio se redoslijed važnosti pojedinih deskriptora u najboljim modelima, što je važna informacija pri interpretaciji i uporabi najboljih modela. Dobiveni rezultati i razvijena aplikacija MR_QSAR vrijedan su znanstveni i stručni doprinos području razvoja i primjene računalnih algoritama za modeliranja svojstava i aktivnosti molekula koja se provode u znanstvenim krugovima, u istraživanjima novih lijekova u farmaceutskoj industriji, te u zaštiti okoliša u postupcima procjene toksičnosti molekula.
Abstract (english)
An algorithm for the selection of best multivariate regression models (according to correlation coefficient) was developed for the use in drug research. It is realized in the programming language Visual Basic and connected to a database. This work explores the relationship between the statistical parameters calculated in the process of fitting on the training data set, cross-validation by dropping a certain percentage of data study sets (k-fold cross-validation), and in the process of prediction on an external data set. Cross-validation procedure, in which a larger sub-set of data is omitted in each step, shows better agreement with results obtained in prediction on external set than the leave-one-out cross-validation procedure. Additionally, correlations between statistical parameters calculated in the fitting procedure on the training set and corresponding parameters calculated in the cross-validation procedures and in validations on external data sets are much better than it was published in literature. Such an analysis confirmed very good attributes of applied procedures for initial elimination of descriptors, reduction of inter-correlations between descriptors, and very good attributes of modeling method and algorithm used for model selection. Unlike a regular cross-validation procedures used in the literature, frequencies of occurences of individual descriptors in the best models were explored. Based on this analysis an order of importance of individual descriptors in best models was made. This information is important in the interpretation and use of best models. Obtained results and developed application MR_QSAR are valuable scientific and technical contribution to the development and application of computer algorithms for modeling molecular properties and activities carried out in scientific circles, in studies of new drugs in the pharmaceutical industry, and in environmental protection in procedures for assessment the toxicity of the molecules.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:987128
ProjectNumber: 036-0362214-1987
Title: Modeliranje kompleksnih sustava
Leader: Branko Jeren
Jurisdiction: Croatia
Funder: MZOS
Funding stream: ZP
ProjectNumber: 079-0000000-3211
Title: Odnos strukture i aktivnosti flavonoida
Leader: Dragan Amić
Jurisdiction: Croatia
Funder: MZOS
Funding stream: ZP
ProjectNumber: 098-1191344-2860
Title: Proučavanje biomakromolekula računalnim metodama i razvoj novih algoritama
Leader: Sanja Tomić
Jurisdiction: Croatia
Funder: MZOS
Funding stream: ZP
ProjectNumber: 098-1770495-2919
Title: Razvoj metoda za modeliranje svojstava bioaktivnih molekula i proteina
Leader: Bono Lučić
Jurisdiction: Croatia
Funder: MZOS
Funding stream: ZP
Study programmeTitle: Postgraduate master programe in computing
Study programme type: university
Study level: postgraduate
Academic / professional title: magistar inženjer računarstva (magistar inženjer računarstva)
Catalog URLhttp://lib.fer.hr/cgi-bin/koha/opac-detail.pl?biblionumber=36980
Type of resourceText
Extent71 str. ; 30 cm
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Created on2019-07-02 08:06:11