Machine learning applications in drug development

Réda, Clémence; Kaufmann, Emilie; Delahaye-Duriez, Andrée

Type de document :

Article dans une revue scientifique: Article original

DOI :

10.1016/j.csbj.2019.12.006

Titre :

Machine learning applications in drug development

Auteur(s) :

Réda, Clémence [Auteur]
Maladies neurodéveloppementales et neurovasculaires [NeuroDiderot (UMR_S_1141 / U1141)]
Kaufmann, Emilie [Auteur]

Scool [Scool]
Sequential Learning [SEQUEL]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Centre National de la Recherche Scientifique [CNRS]
Delahaye-Duriez, Andrée [Auteur]
Maladies neurodéveloppementales et neurovasculaires [NeuroDiderot (UMR_S_1141 / U1141)]
Hôpital Jean Verdier [AP-HP]

Titre de la revue :

Computational and Structural Biotechnology Journal

Pagination :

241-252

Éditeur :

Elsevier

Date de publication :

2020

ISSN :

2001-0370

Discipline(s) HAL :

Statistiques [stat]/Machine Learning [stat.ML]

Résumé en anglais : [en]

Due to the huge amount of biological and medical data available today, along with well-established machine learning algorithms, the design of largely automated drug development pipelines can now be envisioned. These pipelines ...
Lire la suite >Due to the huge amount of biological and medical data available today, along with well-established machine learning algorithms, the design of largely automated drug development pipelines can now be envisioned. These pipelines may guide, or speed up, drug discovery; provide a better understanding of diseases and associated biological phenomena; help planning preclinical wet-lab experiments, and even future clinical trials. This automation of the drug development process might be key to the current issue of low productivity rate that pharmaceutical companies currently face. In this survey, we will particularly focus on two classes of methods: sequential learning and recommender systems, which are active biomedical fields of research.Lire moins >

Langue :

Anglais

Comité de lecture :

Oui

Audience :

Internationale

Vulgarisation :

Non

Projet ANR :

Identification des régulateurs clés d'un réseau de gènes associé à l'épilepsie
MicroARNs et réseaux de gènes co-exprimés associés aux traumatismes dans l'enfance: de la cicatrice moléculaire aux pistes thérapeutiques dans les troubles bipolaires

Collections :

Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL) - UMR 9189

Source :

Harvested from HAL

Fichiers

https://doi.org/10.1016/j.csbj.2019.12.006
Accès libre
Accéder au document

https://doi.org/10.1016/j.csbj.2019.12.006
Accès libre
Accéder au document

https://hal.archives-ouvertes.fr/hal-02533303/document
Accès libre
Accéder au document

https://doi.org/10.1016/j.csbj.2019.12.006
Accès libre
Accéder au document

https://doi.org/10.1016/j.csbj.2019.12.006
Accès libre
Accéder au document

https://hal.archives-ouvertes.fr/hal-02533303/document
Accès libre
Accéder au document

https://doi.org/10.1016/j.csbj.2019.12.006
Accès libre
Accéder au document

document
Accès libre
Accéder au document

RKD20_CSBJ.pdf
Accès libre
Accéder au document

j.csbj.2019.12.006
Accès libre
Accéder au document

document
Accès libre
Accéder au document

RKD20_CSBJ.pdf
Accès libre
Accéder au document

Machine learning applications in drug development BibTeX CSV Excel RIS

Fichiers

Machine learning applications in drug development

BibTeX

CSV

Excel

RIS