戴安娜·内格埃斯库(Diana M.Negoescu)。;彼得·弗雷泽。;沃伦·鲍威尔。 药物发现中测序实验的知识粒度算法。 (英语) Zbl 1243.92023号 信息J.计算。 23,第3期,346-363(2011). 小结:我们提出了一种新的技术,用于自适应地选择一系列分子化合物来测试药物发现。从一种碱性化合物开始,我们考虑寻找最能治疗特定疾病的分子的化学衍生物的问题。选择要测试的分子以最大限度地提高所发现的最佳化合物的预期质量的问题,可以用数学公式表示为一个排序和选择问题,其中每个分子都是另一个选择。我们应用了一种最近开发的算法,称为knowledge-gradient算法,该算法利用贝叶斯先验分布中不同替代品(分子)性能之间的相关性,大大减少了所需的分子测试数量,但它有很高的计算要求,将可能的替代方案的数量限制在几千个。我们开发了计算改进,允许知识粒度方法考虑更大的备选方案集,并且我们在具有(87120)个备选方案的问题上演示了该方法。 引用于15文件 MSC公司: 92C40型 生物化学、分子生物学 62F07型 统计排名和选择程序 62页第10页 统计学在生物学和医学中的应用;元分析 2015年1月62日 贝叶斯推断 62升99 顺序统计方法 65C60个 统计中的计算问题(MSC2010) 关键词:模拟;实验设计;决策分析;顺序统计;贝叶斯主义者 PDF格式BibTeX公司 XML格式引用 \textit{D.M.Negoescu}等人,《信息与计算》。23,第3号,346--363(2011;Zbl 1243.92023) 全文: 内政部