MedElevator Войти в исследования
← Поиск публикаций

DOI 10.1007/978-1-0716-1960-5_15

Медицинская библиотека · Methods in molecular biology (Clifton, N.J.) · 2022

Machine Learning Models for Predicting Liver Toxicity.

Liu Jie, Guo Wenjing, Sakkiah Sugunadevi, Ji Zuowei, Yavas Gokhan, Zou Wen, Chen Minjun, Tong Weida, Patterson Tucker A, Hong Huixiao

СтатьяПоддержка правительства СШАПоддержка службы здравоохранения СШАПеревод в очереди

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.

Для цитирования: Liu Jie, Guo Wenjing, Sakkiah Sugunadevi, Ji Zuowei, Yavas Gokhan, Zou Wen, Chen Minjun, Tong Weida, Patterson Tucker A, Hong Huixiao. Machine Learning Models for Predicting Liver Toxicity.. Methods in molecular biology (Clifton, N.J.). 2022. DOI: 10.1007/978-1-0716-1960-5_15.

Предметные рубрики MeSH

Подготовка и перевод публикации
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…

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.

Тип публикации указан по данным источника. Уровень доказательности автоматически не присваивается.