Paraules clau: ADME, MPNN, aprendizaje curricular; ADME, MPNN, Curriculum Learning; ADME, MPNN, aprenentatge curricular
Títol en diferents idiomes: Predicción de propiedades ADME utilizando el aprendizaje curricular; Prediction of ADME properties using curriculum learning; Predicció de propietats ADME mitjançant l'aprenentatge del currículum
Àrees temàtiques: Ciencias de la salud; Health sciences; Ciències de la salut
Confidencialitat: No
Curs acadèmic: 2023-2024
Codirector del treball: Vellido, Alfredo
Estudiant: Lagemann, Jens Alexander
Aprenentatge Servei: No
Departament: Enginyeria Informàtica i Matemàtiques
Drets d'accés: info:eu-repo/semantics/openAccess
Data de la defensa del treball: 2024-09-12
Director del projecte: König, Caroline
Resum: This thesis will study the effect that such a curriculum sampler has when trying to predict a variety of molecular properties, using datasets describing absorption, distribution, metabolism and excretion of various samples. Making a quantitative analysis of how models trained in different configurations compare. The results show that the ordering of samples during training is a relevant factor in how well a model learns to generalize, although the type of molecular complexity measures depends on the application.; Aquesta tesi estudiarà l'efecte que té aquest mostreig del currículum quan s'intenta predir una varietat de propietats moleculars, utilitzant conjunts de dades que descriuen l'absorció, la distribució, el metabolisme i l'excreció de diverses mostres. Realització d'una anàlisi quantitativa de com es comparen models entrenats en diferents configuracions. Els resultats mostren que l'ordenació de les mostres durant l'entrenament és un factor rellevant en com un model aprèn a generalitzar-se, encara que el tipus de mesures de complexitat molecular depèn de l'aplicació.
Matèria: Farmacocinètica
Entitat: Universitat Rovira i Virgili (URV)
Idioma: en
Ensenyament(s): Ciència de Dades Biomèdiques
Títol en la llengua original: Prediction of ADME properties using curriculum learning
Data d'alta al repositori: 2025-03-03