Molekyylien maksatoksisuutta ennustava neuroverkko on neuroverkko, joka ennustaa siihen syötetyn molekyylin maksatoksisuutta. Tähän tutkimusaiheeseen on testattu muun muassa graafihuomioneuroverkkotyyppiä.Jifeng Wang, Li Zhang, Jianqiang Sun, Xin Yang, Wei Wu, Wei Chen, Qi Zhao. "Predicting drug-induced liver injury using graph attention mechanism and molecular fingerprints." Methods. 2024 Jan;221:18-26. doi:10.1016/j.ymeth.2023.11.014. PMID: 38040204 Tutkimusaihe on oleellinen, koska useat lääkeaineet kuten parasetamoli voivat olla annoksesta riippuen maksatoksisia potilaille.Perttu Arkkila, Markku Nissinen, Ville Liukkonen, Janne Backman. "Lääkkeiden aiheuttamat maksavauriot." Lääketieteellinen Aikakauskirja Duodecim. 2023;139(4):271-9.
Wangin artikkeli (2024) Wangin artikkelin saavuttama tarkkuus (engl. accuracy, lyhenne ACC) on 93.4 % (0.934). RDKit oli artikkelissa käytetty molekyylisormenjälkijärjestelmä. Neuroverkon koulutukseen käytetyn aineiston koko oli 1888 molekyyliä, josta hieman yli puolet oli luokiteltu olevan maksatoksisia ja loput maksalle ei-toksisiksi. Aineisto on kerätty LiverTox-, LTKB-, Hepatox-, DILIst-, DILIrank-tietokannoista sekä kirjallisuudesta saatu data.
Kangin artikkeli (2021) Kangin artikkelin saavuttama tarkkuus oli 73.1 % (0.731). Aineiston koko oli 1119 molekyyliä. Artikkelissa käytetään ECFP4- ja ECFP6-molekyylisormenjälkijärjestelmiä. Artikkelissa sovelletaan syväneuroverkkotyyppiä. Artikkeli vertailee erilaisia neuroverkon koulutustapoja kuten SVM:ää (engl. support vector machine) ja RF:ää (engl. random forest). Kang, M.-G.; Kang, N.S. "Predictive Model for Drug-Induced Liver Injury Using Deep Neural Networks Based on Substructure Space." Molecules. 2021;26:7548. https://doi.org/10.3390/molecules26247548
Lähteet
Luokka:Neuroverkot