Untersuchung von chemometrischen Methoden zur Erstellung und Validierung von QSAR-Modellen

Mehr zum Buch

In dieser Arbeit wurden mathematische Methoden zur Erstellung und Validierung von QSAR-Modellen untersucht, insbesondere die Methode der Doppelten Kreuzvalidierung (DCV), die oft in der Literatur angezweifelt wird. Durch umfangreiche Simulationen und reale Datensätze wurde gezeigt, dass die DCV auch unter Modellunsicherheit den Vorhersagefehler der Modelle ohne systematische Fehler schätzen kann, was ihre Validität belegt. Der Einfluss der Modellselektion auf die quantitative Zusammensetzung des Vorhersagefehlers wurde ebenfalls beschrieben. Die DCV kann ohne und mit Ensemble-Bildung angewendet werden, und der Einfluss dieser auf den Vorhersagefehler wurde systematisch untersucht. Zudem wurde der Einfluss der Parameterauswahl auf die Leistungsfähigkeit der DCV analysiert, um ein Regelwerk zu entwickeln, das eine hohe Modellqualität und zuverlässige Modellbewertung ermöglicht. Moderne Variablenselektionsmethoden, wie CAR-scores, wurden ebenfalls untersucht und zeigten vergleichbare oder bessere Ergebnisse als klassische Verfahren. Des Weiteren wurde der R2test, ein relatives Gütekriterium zur Modellbewertung, analysiert. Es gelang, den systematischen Fehler des R2test in Abhängigkeit von der Testdatensatzgröße zu erklären und einen neuen Ansatz zur Korrektur dieses Fehlers zu entwickeln, der realistische Schätzungen der Vorhersagekraft liefert, selbst bei kleinen Testdatensätzen. Die Vorteile dieses Ansatzes wurden mathematisch