Artigo em revista científica Q1
Improving the drug discovery process by using multiple classifier systems
David Ruano-Ordás (Ruano-Ordás, D.); Iryna Yevseyeva (Yevseyeva, I.); Vitor Basto-Fernandes (Basto-Fernandes, V.); Jose R. Mendez (Méndez, J. R.); Michael T.M. Emmerichd (Emmerichd, M. T. M.);
Título Revista
Expert Systems with Applications
Ano (publicação definitiva)
Reino Unido
Mais Informação
Web of Science®

N.º de citações: 15

(Última verificação: 2023-12-09 03:48)

Ver o registo na Web of Science®

: 0.5

N.º de citações: 16

(Última verificação: 2023-12-07 03:25)

Ver o registo na Scopus

: 0.4
Google Scholar

N.º de citações: 25

(Última verificação: 2023-12-06 10:17)

Ver o registo no Google Scholar

Machine learning methods have become an indispensable tool for utilizing large knowledge and data repositories in science and technology. In the context of the pharmaceutical domain, the amount of acquired knowledge about the design and synthesis of pharmaceutical agents and bioactive molecules (drugs) is enormous. The primary challenge for automatically discovering new drugs from molecular screening information is related to the high dimensionality of datasets, where a wide range of features is included for each candidate drug. Thus, the implementation of improved techniques to ensure an adequate manipulation and interpretation of data becomes mandatory. To mitigate this problem, our tool (called D2-MCS) can split homogeneously the dataset into several groups (the subset of features) and subsequently, determine the most suitable classifier for each group. Finally, the tool allows determining the biological activity of each molecule by a voting scheme. The application of the D2-MCS tool was tested on a standardized, high quality dataset gathered from ChEMBL and have shown outperformance of our tool when compare to well-known single classification models.
Drug discovery,Machine learning algorithms,Feature clustering,Multiple classifier systems
  • Ciências da Computação e da Informação - Ciências Naturais
  • Engenharia Civil - Engenharia e Tecnologia
  • Engenharia Eletrotécnica, Eletrónica e Informática - Engenharia e Tecnologia
  • Economia e Gestão - Ciências Sociais
Registos de financiamentos
Referência de financiamento Entidade Financiadora
UID/MULTI/0446/2013 Fundação para a Ciência e a Tecnologia

Com o objetivo de aumentar a investigação direcionada para o cumprimento dos Objetivos do Desenvolvimento Sustentável para 2030 das Nações Unidas, é disponibilizada no Ciência-IUL a possibilidade de associação, quando aplicável, dos artigos científicos aos Objetivos do Desenvolvimento Sustentável. Estes são os Objetivos do Desenvolvimento Sustentável identificados pelo(s) autor(es) para esta publicação. Para uma informação detalhada dos Objetivos do Desenvolvimento Sustentável, clique aqui.