EUVIMEDEUVIMED entdecken
ÜbersichtsarbeitOpen Access · CC BY 4.0

Advancing Computational Toxicology by Interpretable Machine Learning

Xuelian Jia iD, Tong Wang iD, Hao Zhu iD

Environmental Science & Technology · 21.11.2023 · 57 (46) · 17690-17706

DOI: 10.1021/acs.est.3c00653 ↗

Kurz gefasst

Übersichtsarbeit in der Zeitschrift Environmental Science & Technology, online erschienen am 24.05.2023. Verfasst von Xuelian Jia und 2 weiteren Autor:innen. Beteiligte Einrichtung: Department of Chemistry and Biochemistry, Rowan University, Glassboro, New Jersey 08028, United States. Hauptthemen laut MEDLINE: Machine Learning, Toxicology. Die Arbeit wurde bisher 199-mal zitiert (Crossref) und nennt 209 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: NIEHS NIH HHS, NIGMS NIH HHS, National Institute of Environmental Health Sciences.

AbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Schlagwörter

MeSH-Schlagwörter (MEDLINE)

Machine LearningToxicologyAnimalsHumansHazardous SubstancesRisk AssessmentModels, AnimalComputational Biology

Stichwörter der Autor:innen

Adverse outcome pathwayComputational toxicologyInterpretable modelingMachine learningRisk assessmentSystems toxicology

Substanzen

Hazardous Substances

Autor:innen und Institutionen

  • Department of Chemistry and Biochemistry, Rowan University, Glassboro, New Jersey 08028, United States.

ORCID-Profile: Xuelian Jia, Tong Wang, Hao Zhu

Förderung

  • NIEHS NIH HHS
  • NIGMS NIH HHS
  • National Institute of Environmental Health Sciences
  • Division of Information and Intelligent Systems
  • National Institute of General Medical Sciences

Zitieren

APA

Jia, X., Wang, T., & Zhu, H. (2023). Advancing Computational Toxicology by Interpretable Machine Learning. Environmental Science & Technology, 57(46), 17690-17706. https://doi.org/10.1021/acs.est.3c00653

Vancouver

Jia X, Wang T, Zhu H. Advancing Computational Toxicology by Interpretable Machine Learning. Environmental Science & Technology. 2023;57(46):17690-17706. doi:10.1021/acs.est.3c00653

BibTeX
@article{Jia2023,
  author = {Jia, Xuelian and Wang, Tong and Zhu, Hao},
  title = {Advancing Computational Toxicology by Interpretable Machine Learning},
  journal = {Environmental Science & Technology},
  year = {2023},
  volume = {57},
  number = {46},
  pages = {17690--17706},
  doi = {10.1021/acs.est.3c00653}
}
Kostenlos starten →