Palabras clave: ADME, MPNN, aprendizaje curricular; ADME, MPNN, Curriculum Learning; ADME, MPNN, aprenentatge curricular
Título en diferentes idiomas: Predicción de propiedades ADME utilizando el aprendizaje curricular; Prediction of ADME properties using curriculum learning; Predicció de propietats ADME mitjançant l'aprenentatge del currículum
Áreas temàticas: Ciencias de la salud; Health sciences; Ciències de la salut
Confidencialidad: No
Curso académico: 2023-2024
Codirector del trabajo: Vellido, Alfredo
Estudiante: Lagemann, Jens Alexander
APS: No
Departamento: Enginyeria Informàtica i Matemàtiques
Derechos de Accesso: info:eu-repo/semantics/openAccess
Fecha de la defensa del trabajo: 2024-09-12
Director del proyecto: König, Caroline
Resumen: 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.
Materia: Farmacocinètica
Entidad: Universitat Rovira i Virgili (URV)
Idioma: en
Enseñanza(s): Ciència de Dades Biomèdiques
Título en la lengua original: Prediction of ADME properties using curriculum learning
Fecha de alta en el repositorio: 2025-03-03