On reducing the dimensionality of small molecule data for visual-exploratory analysis in human intestinal absorption prediction

Página do item simplificado
dc.contributor.advisor-co1OLIVEIRA, Ewerton Cristhian Lima de
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/8998575507999079pt_BR
dc.contributor.advisor1SALES JÚNIOR, Claudomiro de Souza de
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4742268936279649pt_BR
dc.creatorMOREIRA, Igor Matheus Souza
dc.creator.Latteshttp://lattes.cnpq.br/1000215522557346pt_BR
dc.date.accessioned2025-02-28T19:56:23Z
dc.date.available2025-02-28T19:56:23Z
dc.date.issued2022-02-21
dc.description.abstractOral bioavailability is a desirable property in drug development. Virtual screening of compounds according to their properties with computational intelligence can accelerate the prediction of their human intestinal absorption (HIA). Despite the existence of studies aimed at predicting HIA of compounds, dimensionality reduction (DR) techniques that extract features are seldom employed to enable visual-exploratory analyses and pre-process data for machine learning (ML) algorithms. This work applies six DR projectors (ivis, KPCA, PCA, PCS, TSVD, and UMAP) to produce two- and three-dimensional projections alongside four ML classifiers (KNN, MLP, RF, and SVM) in predicting HIA of small molecules, an effort that encompassed the analysis of fifty-two pipelines. Results demonstrate that, despite reducing the dimensionality by more than 98%, DR-encompassing pipelines still delivered competitive results while also facilitating visualization, demonstrating the viability and potential of DR via feature extraction as an automated pre-processing step.pt_BR
dc.description.resumoBiodisponibilidade oral é uma propriedade desejável no desenvolvimento de drogas. A triagem virtual de compostos de acordo com suas propriedades com inteligência computacional pode acelerar a predição de sua absorção intestinal humana (HIA). A despeito da existência de estudos almejando predizer a HIA de compostos, técnicas de redução de dimensionalidade (DR) que extraem características são raramente empregadas para possibilitar análises visual-exploratórias e pré-processar dados para algoritmos de aprendizado de máquina (ML). Este trabalho aplica seis projetores de DR (ivis, KPCA, PCA, PCS, TSVD e UMAP) para produzir projeções bi e tridimensionais conjuntamente com quatro classificadores de ML (KNN, MLP, RF e SVM) na predição de HIA de pequenas moléculas, um esforço que englobou a análise de cinquenta e dois pipelines. Os resultados demonstram que, a despeito de reduzir a dimensionalidade em mais de 98%, os pipelines envolvendo DR ainda apresentaram resultados competitivos enquanto também facilitaram a visualização, demonstrando a viabilidade e o potencial de técnicas de DR via extração de características como uma etapa automatizada de pré-processamento.pt_BR
dc.identifier.citationMOREIRA, Igor Matheus Souza. On reducing the dimensionality of small molecule data for visual-exploratory analysis in human intestinal absorption prediction. Orientador: Claudomiro de Souza de Sales Júnior 20222. 137 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Faculdade de Computação, Instituto de Ciências Exatas e Naturais, Universidade Federal do Pará, Belém, 2022. Disponível em:. Acesso em:.pt_BR
dc.identifier.urihttps://bdm.ufpa.br/jspui/handle/prefix/7754
dc.rightsAcesso Abertopt_BR
dc.source1 CD-ROMpt_BR
dc.subjectQuimioinformáticapt_BR
dc.subjectFarmacêutica computacionalpt_BR
dc.subjectRedução de dimensionalidadept_BR
dc.subjectDescoberta e desenvolvimento de drogaspt_BR
dc.subjectExtração de característicaspt_BR
dc.subjectAbsorção intestinal humanapt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectChemoinformaticspt_BR
dc.subjectComputational pharmaceuticspt_BR
dc.subjectDimensionality reductionpt_BR
dc.subjectDrug discovery and developmentpt_BR
dc.subjectFeature extractionpt_BR
dc.subjectHuman intestinal absorptionpt_BR
dc.subjectMachine learningpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.titleOn reducing the dimensionality of small molecule data for visual-exploratory analysis in human intestinal absorption predictionpt_BR
dc.typeTrabalho de Curso - Graduação - Monografiapt_BR

Arquivo(s)

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
TCC_ReducingDimensionalitySmall.pdf
Tamanho:
10.78 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.84 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Aparece na Coleção

Faculdade de Computação - FACOMP/ICEN
Logo do RepositórioLogo do Repositório