@techreport{oai:ipsj.ixsq.nii.ac.jp:00189738,
 author = {多治見, 隆志 and 和久井, 直樹 and 大上, 雅史 and 秋山, 泰 and Takashi, Tajimi and Naoki, Wakui and Masahito, Ohue and Yutaka, Akiyama},
 issue = {45},
 month = {Jun},
 note = {医薬品において，その体内安定性を適切な範囲に留めることは重要な設計項目の一つである．血漿タンパク質結合率 (PPB) は体内安定性の指標となり，体内安定性の評価に用いられる．本研究では，環状ペプチド医薬品の体内安定性の予測を行うことを目的とする．その実現のために，低分子医薬品データを用いて予測モデルの学習を行い，複数の Lasso 回帰解を生成して列挙することで解釈性の高い記述子を抽出可能にし，物理化学的に解釈性の高い記述子を用いることで未知データの予測に強いロバストなモデルを生成した．, In drug design, it is important to keep the biostability of a drug within the proper range. Plasma protein binding (PPB) is the index of biostability and is used to evaluate it. The purpose of this study is predicting the PPB of cyclic peptides. We used the small molecule dataset for feature extraction and model construction. We focused on the algorithm that enumrates lasso solutions for purpose of extracting the interpretable descriptors. We generated a robust model for unknown data by using the physicochemically interpretable descriptors.},
 title = {複数のLasso回帰解に基づく解釈性の良い予測モデルを目指した環状ペプチド医薬品の体内安定性予測},
 year = {2018}
}