Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
In silico modeling using in vitro high throughput screening data for toxicity prediction within REACH
Übersetzter Titel:
In silico-Modellierung von in vitro-High-Throughput- Screening-Daten zur Toxizitätsprädiktion für REACH
Autor:
Sayed Ahmed, Ahmed Mohamed Abdelaziz
Jahr:
2016
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät Wissenschaftszentrum Weihenstephan
Betreuer:
Schramm, Karl-Werner (Prof. Dr. Dr.)
Gutachter:
Schramm, Karl-Werner (Prof. Dr. Dr.); Mewes, Hans-Werner (Prof. Dr.)
Sprache:
en
Fachgebiet:
BIO Biowissenschaften; CHE Chemie; DAT Datenverarbeitung, Informatik; MAT Mathematik; UMW Umweltschutz und Gesundheitsingenieurwesen
Stichworte:
QSAR, Cheminformatics, REACH, machine learning, predictive toxicology, applicability domain, computational toxicology, alternative testing, quantitative structure activity relationship, high throughput screening, Tox21, ToxCast
Übersetzte Stichworte:
QSAR, Cheminformatik, REACH, Maschinelles Lernen, prädikativen Toxikologie, Anwendbarkeitsbereich, Quantitative Struktur-Wirkungs-Beziehungen, High- Throughput-Screening, Tox21, ToxCast
TU-Systematik:
BIO 110d
Kurzfassung:
Quantitative structure activity relationships and advanced machine learning algorithms were successfully utilized to develop models for predicting toxicity according to OECD principles. The models use data from high throughput screening and in silico descriptors to provide an alternative approach for filing information gaps within the REACH regulations. Developed models for multiple nuclear receptors, stress response pathways as well as animal toxicity endpoints are made publicly available.
Übersetzte Kurzfassung:
Quantitative Struktur-Wirkungs-Beziehungen und ‚Machine Learning’-Algorithmen wurden eingesetzt, um Toxizitätsmodelle zu entwickeln, die nach den OECD-Grundsätzen für QSAR-Modellerstellung konzipiert sind. Für die Modelle wurden Daten aus HTS-Assays und in silico-Deskriptoren verwendet. Diese bereits allgemein zugänglich gemachten prädiktiven Modelle (für Endpunkte zu Interaktionen mit verschiedenen nukleären Rezeptoren, zu zellulärem Stress sowie Toxizität am Tier) beinhalten ein alternatives K...     »
WWW:
https://mediatum.ub.tum.de/?id=1303013
Eingereicht am:
27.04.2016
Mündliche Prüfung:
18.10.2016
Dateigröße:
40408081 bytes
Seiten:
208
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20161018-1303013-1-1
Letzte Änderung:
18.01.2017
 BibTeX