| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
22/12/2015 |
|
Data da última atualização: |
21/01/2020 |
|
Tipo da produção científica: |
Resumo em Anais de Congresso |
|
Autoria: |
BORRO, L. C.; SALIM, J. A.; MAZONI, I.; YANO, I.; JARDINE, J. G.; NESHICH, G. |
|
Afiliação: |
IB/Unicamp; FEEC/Unicamp; IVAN MAZONI, CNPTIA; INACIO HENRIQUE YANO, CNPTIA; JOSÉ GILBERTO JARDINE, CNPTIA; GORAN NESHICH, CNPTIA. |
|
Título: |
Improving binding affinity prediction by using a rule-based model with physical-chemical and structural descriptors of the nano-environment for protein-ligand interactions. |
|
Ano de publicação: |
2015 |
|
Fonte/Imprenta: |
In: CONGRESS OF THE INTERNATIONAL UNION FOR BIOCHEMISTRY AND MOLECULAR BIOLOGY, 23.; ANNUAL MEETING OF THE BRAZILIAN SOCIETY FOR BIOCHEMISTRY AND MOLECULAR BIOLOGY, 44., 2015, Foz do Iguaçu. Biochemistry for a better world: abstracts book. [Foz do Iguaçu]: SBBq, 2015. |
|
Páginas: |
p. 153. |
|
Idioma: |
Inglês |
|
Notas: |
C.047. |
|
Conteúdo: |
In order to improve binding affinity prediction, we developed a new scoring function, named STINGSF, derived from physical-chemical and structural features that describe the protein-ligand interaction nano-environment of experimentally determined structures. |
|
Palavras-Chave: |
Aprendizado de máquina; Inteligência artificial; Interação proteína-ligante; Machine learning; Protein-ligand interaction; Scoring functions. |
|
Thesaurus Nal: |
Artificial intelligence. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://www.alice.cnptia.embrapa.br/alice/bitstream/doc/1032260/1/ImprovingBorro.pdf
|
|
Marc: |
LEADER 01388nam a2200277 a 4500
001 2032260
005 2020-01-21
008 2015 bl uuuu u00u1 u #d
100 1 $aBORRO, L. C.
245 $aImproving binding affinity prediction by using a rule-based model with physical-chemical and structural descriptors of the nano-environment for protein-ligand interactions.$h[electronic resource]
260 $aIn: CONGRESS OF THE INTERNATIONAL UNION FOR BIOCHEMISTRY AND MOLECULAR BIOLOGY, 23.; ANNUAL MEETING OF THE BRAZILIAN SOCIETY FOR BIOCHEMISTRY AND MOLECULAR BIOLOGY, 44., 2015, Foz do Iguaçu. Biochemistry for a better world: abstracts book. [Foz do Iguaçu]: SBBq$c2015
300 $ap. 153.
500 $aC.047.
520 $aIn order to improve binding affinity prediction, we developed a new scoring function, named STINGSF, derived from physical-chemical and structural features that describe the protein-ligand interaction nano-environment of experimentally determined structures.
650 $aArtificial intelligence
653 $aAprendizado de máquina
653 $aInteligência artificial
653 $aInteração proteína-ligante
653 $aMachine learning
653 $aProtein-ligand interaction
653 $aScoring functions
700 1 $aSALIM, J. A.
700 1 $aMAZONI, I.
700 1 $aYANO, I.
700 1 $aJARDINE, J. G.
700 1 $aNESHICH, G.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 1 | |
| 1. |  | KOFFLER, S.; SOARES, F. M.; GHILARDI-LOPES, N. P.; ALBERTINI, B.; DRUCKER, D. P.; SALIM, J. A.; NUNES-SILVA, P.; FRANCOY, T. M.; SARAIVA, A. M.; CARVELL, C. FIT Count Brasil: monitoramento de visitantes florais por contagem. Santo André, SP: Universidade Federal do ABC, 2022. 90 p. (Ciência cidadã, v. 7).| Tipo: Autoria/Organização/Edição de Livros |
| Biblioteca(s): Embrapa Agricultura Digital. |
|    |
| Registros recuperados : 1 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
