• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

相似文献

1
Predicting drug toxicity at the intersection of informatics and biology: DTox builds a foundation.在信息学与生物学交叉领域预测药物毒性：DTox奠定了基础。
Patterns (N Y). 2022 Sep 9;3(9):100586. doi: 10.1016/j.patter.2022.100586.
2
Knowledge-guided deep learning models of drug toxicity improve interpretation.药物毒性的知识引导深度学习模型可改善解释效果。
Patterns (N Y). 2022 Aug 24;3(9):100565. doi: 10.1016/j.patter.2022.100565. eCollection 2022 Sep 9.
3
DTox: A deep neural network-based in visio lens for large scale toxicogenomics data.DTox：一种基于深度神经网络的大规模毒理基因组学数据可视化镜头。
J Toxicol Sci. 2024;49(3):105-115. doi: 10.2131/jts.49.105.
4
Computational toxicology as implemented by the U.S. EPA: providing high throughput decision support tools for screening and assessing chemical exposure, hazard and risk.美国环保署实施的计算毒理学：为筛选和评估化学暴露、危害和风险提供高通量决策支持工具。
J Toxicol Environ Health B Crit Rev. 2010 Feb;13(2-4):197-217. doi: 10.1080/10937404.2010.483935.
5
Future of toxicology--predictive toxicology: An expanded view of "chemical toxicity".毒理学的未来——预测毒理学：对“化学毒性”的拓展认识
Chem Res Toxicol. 2006 Oct;19(10):1257-62. doi: 10.1021/tx060116u.
6
Convulsant and possible anticholinergic actions of dendrotoxin in the amphibian spinal cord.树眼镜蛇毒素在两栖动物脊髓中的惊厥作用及可能的抗胆碱能作用。
Br J Pharmacol. 1981 Jun;73(2):525-33. doi: 10.1111/j.1476-5381.1981.tb10452.x.
7
Advancing Computational Toxicology by Interpretable Machine Learning.通过可解释机器学习推进计算毒理学
Environ Sci Technol. 2023 Nov 21;57(46):17690-17706. doi: 10.1021/acs.est.3c00653. Epub 2023 May 24.
8
Deep Learning for Health Informatics.用于健康信息学的深度学习
IEEE J Biomed Health Inform. 2017 Jan;21(1):4-21. doi: 10.1109/JBHI.2016.2636665. Epub 2016 Dec 29.
9
Predicting Dose-Range Chemical Toxicity using Novel Hybrid Deep Machine-Learning Method.使用新型混合深度机器学习方法预测剂量范围化学毒性
Toxics. 2022 Nov 18;10(11):706. doi: 10.3390/toxics10110706.
10
Predicting chemical toxicity effects based on chemical-chemical interactions.基于化学-化学相互作用预测化学毒性效应。
PLoS One. 2013;8(2):e56517. doi: 10.1371/journal.pone.0056517. Epub 2013 Feb 15.

本文引用的文献

1
Knowledge-guided deep learning models of drug toxicity improve interpretation.药物毒性的知识引导深度学习模型可改善解释效果。
Patterns (N Y). 2022 Aug 24;3(9):100565. doi: 10.1016/j.patter.2022.100565. eCollection 2022 Sep 9.
2
Ranks underlie outcome of combining classifiers: Quantitative roles for and .分类器组合的结果基于排序： 和 的定量作用。
Patterns (N Y). 2021 Dec 22;3(2):100415. doi: 10.1016/j.patter.2021.100415. eCollection 2022 Feb 11.
3
Machine learning for predicting readmission risk among the frail: Explainable AI for healthcare.用于预测体弱患者再入院风险的机器学习：医疗保健领域的可解释人工智能。
Patterns (N Y). 2021 Dec 3;3(1):100395. doi: 10.1016/j.patter.2021.100395. eCollection 2022 Jan 14.
4
Tox-GAN: An Artificial Intelligence Approach Alternative to Animal Studies-A Case Study With Toxicogenomics.毒理生成对抗网络：一种替代动物实验的人工智能方法——毒理基因组学案例研究
Toxicol Sci. 2022 Mar 28;186(2):242-259. doi: 10.1093/toxsci/kfab157.
5
GGL-Tox: Geometric Graph Learning for Toxicity Prediction.GGL-Tox：用于毒性预测的几何图学习。
J Chem Inf Model. 2021 Apr 26;61(4):1691-1700. doi: 10.1021/acs.jcim.0c01294. Epub 2021 Mar 15.
6
LigSeeSVM: ligand-based virtual screening using support vector machines and data fusion.LigSeeSVM：基于支持向量机和数据融合的基于配体的虚拟筛选
Int J Comput Biol Drug Des. 2011;4(3):274-89. doi: 10.1504/IJCBDD.2011.041415. Epub 2011 Jul 21.
7
Consensus scoring criteria for improving enrichment in virtual screening.用于提高虚拟筛选富集度的共识评分标准。
J Chem Inf Model. 2005 Jul-Aug;45(4):1134-46. doi: 10.1021/ci050034w.
8
BRCA1 mutations in primary breast and ovarian carcinomas.原发性乳腺癌和卵巢癌中的BRCA1基因突变。
Science. 1994 Oct 7;266(5182):120-2. doi: 10.1126/science.7939630.

在信息学与生物学交叉领域预测药物毒性：DTox奠定了基础。

Predicting drug toxicity at the intersection of informatics and biology: DTox builds a foundation.

作者信息

Sniatynski Matthew J, Kristal Bruce S

机构信息

Division of Sleep and Circadian Disorders, Department of Medicine, Brigham and Women's Hospital, 221 Longwood Ave, LM322B, Boston, MA 02115, USA.

Division of Sleep Medicine, Harvard Medical School, Boston, MA 02115, USA.

出版信息

Patterns (N Y). 2022 Sep 9;3(9):100586. doi: 10.1016/j.patter.2022.100586.

DOI:10.1016/j.patter.2022.100586
PMID:36124303
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC9481942/
Abstract

Hao et al. (2022) present DTox (deep learning for toxicology), a neural network designed to predict and probe the sites and potential mechanisms underlying chemical toxicity; results provide a map to facilitate modular testing and improvements across multiple disparate applications.

摘要

郝等人（2022年）介绍了DTox（毒理学深度学习），这是一种旨在预测和探究化学毒性背后的位点及潜在机制的神经网络；研究结果提供了一张图谱，以促进跨多个不同应用的模块化测试和改进。