Group Testing With Blockers and Synergism
存在阻断与协同作用的群组检测AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究药物筛选中的混样检测，未说明经济主体网络、干扰效应或其他所列细分主题。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
存在阻断与协同作用的群组检测
- 研究问题
- 药物筛选中的待测化合物若存在阻断或协同作用，违反项目独立作用假设时，如何提取定量信息并评估检测成本效率？
- 方法与思路
- 作者针对项目间作用不独立的群组检测建立模型与估计程序，重点考察方阵混样设计，并使用模拟和药物筛选数据。
- 材料陈述的贡献
- 摘要称，研究发展了适用于独立作用假设失效情形的定量估计方法，并考察群组检测程序及其成本效率。
- 阅读关注点
- 核对阻断与协同作用如何进入模型、混样结果所含的信息、参数可估计性，以及成本效率比较的基准和成本定义。
- 阅读边界
- 仅据版本未注明的索引摘要，无法确定相互作用模型、识别条件或成本节约幅度，不能断言该方法普遍优于独立模型。
原文摘要
Discovery and development of a new drug can cost hundreds of millions of dollars. Pharmaceutical companies have used group testing methodology routinely as one of the efficient high throughput screening techniques to search for “lead” compounds among collections of hundreds of thousands of chemical compounds. The lead compounds can be modified to produce new and effective molecules, which eventually may lead to new drugs. This article develops models and estimation procedures to obtain quantitative information from data in such applications. It investigates group testing procedures and studies cost efficiency when the standard assumption adopted by Dorfman, that tested items act independently of one another, is violated. The investigation is focused on, but not limited to, the square array pooling method, and the methodologies developed are illustrated through simulations and a drug discovery dataset from Glaxo Wellcome Inc.