EGFR 억제제 발견을 위한 스캐폴드 분할 랜덤 포레스트 QSAR 모델 구축
Building a Scaffold-Split Random Forest QSAR Co-Scientist for EGFR Inhibitor Discovery Using ChEMBL, RDKit, SHAP, and BRICS
- 매체
- MarkTechPost
- 게시
- 중요도
- 2/5
- 화제 지수
- —
한국어 요약
ChEMBL, RDKit, SHAP, BRICS를 활용하여 EGFR C797S 억제제 발견을 위한 자율 AI 공동 연구자를 구축하는 튜토리얼이 소개됐다. 분자 표준화, Morgan 지문 계산, 스캐폴드 분할 기반 랜덤 포레스트 QSAR 모델 학습, SHAP을 통한 효능 동인 해석, BRICS 단편 재조합을 통한 신규 후보 생성 및 순위 매김을 포함한다.
원문 발췌 · English
In this tutorial, we build an autonomous AI co-scientist for EGFR C797S inhibitor discovery. We resolve the target through ChEMBL and UniProt, then mine IC50 records into a clean pIC50 dataset. We use RDKit to standardize molecules, compute Morgan fingerprints, and train a scaffold-split Random Forest QSAR model. We interpret potency drivers with SHAP, then recombine BRICS fragments to generate and rank novel candidates. The post Building a Scaffold-Split Random Forest QSAR Co-Scientist for EGFR Inhibitor Discovery Using ChEMBL, RDKit, SHAP, and BRICS appeared first on MarkTechPost.