メタボロミクスおよびシステム生物学のための人工ニューラルネットワークモデルの最適化：HPLC保持インデックスデータを用いた一例

背景：人工ニューラルネットワーク（ANN）は、オミクスデータをモデル化するために広く使用されています。異なるモデル化手法や調整可能なパラメータの組み合わせがモデルの性能に影響を与え、モデルの最適化を複雑にします。方法論：390化合物の保持インデックス（RI）データを使用して、4つのANNモデルパラメータ（学習率アニーリング、停止基準、データ分割方法、ネットワークアーキテクチャ）の最適化を評価しました。モデルは1492化合物の新たに測定されたRI値を用いて独立検証（I-Val）によって評価されました。結論：最良のモデルは55 RI単位のI-Val標準誤差を示し、Ward法のクラスタリングデータ分割と最小限の非線形ネットワークアーキテクチャを使用して構築されました。検証統計を使用した停止および最終モデル選択は、テストセット統計を使用した場合よりもより良い独立検証性能をもたらしました。