使用机器学习和分子描述符进行NSAID分析的高级QSPR建模
2025-07-20 22:10:48
W. Eltayeb Ahmed,Muhammad Farhan Hanif,Muhammad Kamran Siddiqui和Brima Gegbe的题为“使用机器学习和分子描述符进行NSAID分析的高级QSPR建模”的论文。特别关注利润。该研究采用机器学习技术以及分子描述符来预测这些化合物的各种理化特性。这是从提供的文本总结的要点:1。**目标**:主要目的是使用机器学习和计算方法开发高级QSPR模型,以预测属于NSAID类的Profen药物的性质。2。**方法论**: - 分子描述符的利用:使用计算工具(例如枫木和MATLAB)来生成研究分子的拓扑指数。 - 机器学习算法的应用:作者采用机器学习模型(可能XGBoost或类似)来根据这些描述符预测属性。3。**贡献**:-W。Eltayeb Ahmed参与了数据分析,获得资金资源并撰写初始草案。-Muhammad Farhan Hanif通过监督,概念化,方法论改进,项目管理和最终手稿批准做出了贡献。 - 穆罕默德·卡姆兰·西迪基(Muhammad Kamran Siddiqui)处理了研究,数据策展和实验设计。 - Brima Gegbe提供了有关计算验证和MATLAB计算的帮助。4。**道德考虑**:作者声明没有与他们的研究结果相关的竞争利益。5。**致谢**:Imam Mohammad Ibn Saud Saud University(IMSIU)的科学研究院长支持了资金。6。**出版信息**: - 发表在 *科学报告 *中。 - 根据创意共享许可证可用,允许非商业用途具有适当的归因。7。**关键字**可能包括诸如QSPR建模,Profens,NSAID,机器学习,分子描述符,计算化学和拓扑指数之类的术语。该研究旨在提供有关涂鸦药物的结构性关系的见解,从而通过先进的计算方法更好地理解其药代动力学和毒性谱。