Benutzer: Gast  Login
Originaltitel:
Graph Mining Methods for Predictive Toxicology 
Übersetzter Titel:
Graph Mining-Methoden für die Prädiktive Toxikologie 
Jahr:
2013 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Informatik 
Betreuer:
Rost, Burkhard (Prof. Dr.) 
Gutachter:
Rost, Burkhard (Prof. Dr.); Kramer, Stefan (Prof. Dr.) 
Sprache:
en 
Fachgebiet:
DAT Datenverarbeitung, Informatik 
Stichworte:
Graph Mining, Predictive Toxikology, Machine Learning 
Übersetzte Stichworte:
Graph Mining, Prädiktive Toxikologie, Maschinelles Lernen 
Schlagworte (SWD):
Molekülstruktur; Graph; Mustererkennung; Toxikologie 
TU-Systematik:
DAT 770d; BIO 110d; MED 950d 
Kurzfassung:
Very efficient methods are required for analyzing the graph structures of molecules. A primary goal is to find subgraphs that occur primarily in the toxic or non-toxic compounds. However, the result sets are often too large for efficient post-processing. This work shows that more concise representations may be obtained efficiently, and that they can be of considerable utility for predictive models. A combination of structural and statistical constraints allows for efficient computation. 
Übersetzte Kurzfassung:
Die Analyse von molekularen Graph-Strukturen erfordert hocheffiziente Methoden. Ein Ziel besteht dabei in der Identifikation von Subgraphen, die entweder in toxischen oder nicht-toxischen Verbindungen besonders häufig auftreten. Die Ergebnismengen sind jedoch oft zu groß für effiziente Folgeverarbeitung. Diese Arbeit zeigt, dass sich konzisere Repräsentationen effizient berechnen lassen und von erheblichem Nutzen für Vorhersagemodelle sind. Eine Kombination aus strukturellen und statistischen Co...    »
 
Mündliche Prüfung:
16.12.2013 
Dateigröße:
2684237 bytes 
Seiten:
165 
Letzte Änderung:
07.05.2014