Methods in molecular biology (Clifton, N.J.) · 2022
Machine Learning Models for Predicting Liver Toxicity.
СтатьяПоддержка правительства СШАПоддержка службы здравоохранения СШАНазвание и аннотация: Перевод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Liu Jie, Guo Wenjing, Sakkiah Sugunadevi, Ji Zuowei, Yavas Gokhan, Zou Wen, Chen Minjun, Tong Weida, Patterson Tucker A, Hong Huixiao
Аннотация
Liver toxicity is a major adverse drug reaction that accounts for drug failure in clinical trials and withdrawal from the market. Therefore, predicting potential liver toxicity at an early stage in drug discovery is crucial to reduce costs and the potential for drug failure. However, current in vivo animal toxicity testing is very expensive and time consuming. As an alternative approach, various machine learning models have been developed to predict potential liver toxicity in humans. This chapter reviews current advances in the development and application of machine learning models for prediction of potential liver toxicity in humans and discusses possible improvements to liver toxicity prediction.