Zum Hauptinhalt springen
Hochschulbibliothek der Hochschule Düsseldorf

Suchergebnisse

Katalog

Mehr
963 Treffer

Suchmaske

Suchtipp für den Bereich Mehr: Wörter werden automatisch mit UND verknüpft. Eine ODER-Verknüpfung erreicht man mit dem Zeichen "|", eine NICHT-Verknüpfung mit einem "-" (Minus) vor einem Wort. Anführungszeichen ermöglichen eine Phrasensuche.
Beispiele: (burg | schloss) -mittelalter, "berufliche bildung"

Das folgende Suchfeld wird hier nicht unterstützt: "Signatur".

Suchergebnisse einschränken oder erweitern

Aktive Suchfilter

Erscheinungszeitraum

Mehr Treffer

Weniger Treffer

Art der Quelle

Thema

Verlag

Publikation

Geographischer Bezug

Inhaltsanbieter

963 Treffer

Sortierung: 
  1. Detailansicht für Treffer 1 öffnen
    Machine learning framework to predict pharmacokinetic profile of small molecule drugs based on chemical structure.
    Pillai, N ; Abos, A ; et al.
    In: Clinical and translational science, Jg. 17 (2024-05-01), Heft 5, S. e13824
    Online academicJournal
    Zugriff:
    Full Text Finder (Volltext)
    Wie komme ich dran?
  2. Detailansicht für Treffer 2 öffnen
    Another string to your bow: machine learning prediction of the pharmacokinetic properties of small molecules.
    Bassani, D ; Parrott, NJ ; et al.
    In: Expert opinion on drug discovery, Jg. 19 (2024-06-01), Heft 6, S. 683-698
    academicJournal
    Wie komme ich dran?
  3. Detailansicht für Treffer 3 öffnen
    Lessons learnt from machine learning in early stages of drug discovery.
    Cavasotto, CN ; Di Filippo, JI ; et al.
    In: Expert opinion on drug discovery, Jg. 19 (2024-06-01), Heft 6, S. 631-633
    editorialOpinion
    Wie komme ich dran?
  4. Detailansicht für Treffer 4 öffnen
    MISATO: machine learning dataset of protein-ligand complexes for structure-based drug discovery.
    Siebenmorgen, T ; Menezes, F ; et al.
    In: Nature computational science, Jg. 4 (2024-05-01), Heft 5, S. 367-378
    academicJournal
    Wie komme ich dran?
  5. Detailansicht für Treffer 5 öffnen
    Discovery of potent inhibitors of α-synuclein aggregation using structure-based iterative learning.
    Horne, RI ; Andrzejewska, EA ; et al.
    In: Nature chemical biology, Jg. 20 (2024-05-01), Heft 5, S. 634-645
    academicJournal
    Wie komme ich dran?
  6. Detailansicht für Treffer 6 öffnen
    Towards explainable interaction prediction: Embedding biological hierarchies into hyperbolic interaction space.
    Pogány, D ; Antal, P
    In: PloS one, Jg. 19 (2024-03-21), Heft 3, S. e0300906
    Online academicJournal
    Zugriff:
    Full Text Finder (Volltext)
    Wie komme ich dran?
  7. Detailansicht für Treffer 7 öffnen
    Fingerprinting Interactions between Proteins and Ligands for Facilitating Machine Learning in Drug Discovery.
    Li, Z ; Huang, R ; et al.
    In: Biomolecules, Jg. 14 (2024-01-05), Heft 1
    Online academicJournal
    Zugriff:
    Full Text Finder (Volltext)
    Wie komme ich dran?
  8. Detailansicht für Treffer 8 öffnen
    Comprehensive Review on Drug-target Interaction Prediction - Latest Developments and Overview.
    Abdul Raheem, AK ; Dhannoon, BN
    In: Current drug discovery technologies, Jg. 21 (2024), Heft 2, S. e010923220652
    academicJournal
    Wie komme ich dran?
  9. Detailansicht für Treffer 9 öffnen
    Exploring Scoring Function Space: Developing Computational Models for Drug Discovery.
    Bitencourt-Ferreira, G ; Villarreal, MA ; et al.
    In: Current medicinal chemistry, Jg. 31 (2024), Heft 17, S. 2361-2377
    academicJournal
    Wie komme ich dran?
  10. Detailansicht für Treffer 10 öffnen
    A Hybrid Structure-Based Machine Learning Approach for Predicting Kinase Inhibition by Small Molecules.
    Liu, C ; Kutchukian, P ; et al.
    In: Journal of chemical information and modeling, Jg. 63 (2023-09-11), Heft 17, S. 5457-5472
    academicJournal
    Wie komme ich dran?
  11. Detailansicht für Treffer 11 öffnen
    Current in silico methods for multi-target drug discovery in early anticancer research: the rise of the perturbation-theory machine learning approach.
    Kleandrova, VV ; Ds Cordeiro, MN ; et al.
    In: Future medicinal chemistry, Jg. 15 (2023-09-01), Heft 18, S. 1647-1650
    report
    Wie komme ich dran?
  12. Detailansicht für Treffer 12 öffnen
    A probabilistic knowledge graph for target identification.
    Liu, C ; Xiao, K ; et al.
    In: PLoS computational biology, Jg. 20 (2024-04-05), Heft 4, S. e1011945
    Online academicJournal
    Zugriff:
    Full Text Finder (Volltext)
    Wie komme ich dran?
  13. Detailansicht für Treffer 13 öffnen
    Harmonizing across datasets to improve the transferability of drug combination prediction.
    Zhang, H ; Wang, Z ; et al.
    In: Communications biology, Jg. 6 (2023-04-11), Heft 1, S. 397
    Online academicJournal
    Zugriff:
    Full Text Finder (Volltext)
    Wie komme ich dran?
  14. Detailansicht für Treffer 14 öffnen
    Modern semiempirical electronic structure methods and machine learning potentials for drug discovery: Conformers, tautomers, and protonation states.
    Zeng, J ; Tao, Y ; et al.
    In: The Journal of chemical physics, Jg. 158 (2023-03-28), Heft 12, S. 124110
    academicJournal
    Wie komme ich dran?
  15. Detailansicht für Treffer 15 öffnen
    Exposing the Limitations of Molecular Machine Learning with Activity Cliffs.
    van Tilborg D ; Alenicheva, A ; et al.
    In: Journal of chemical information and modeling, Jg. 62 (2022-12-12), Heft 23, S. 5938-5951
    academicJournal
    Wie komme ich dran?
  16. Detailansicht für Treffer 16 öffnen
    Rationalizing general limitations in assessing and comparing methods for compound potency prediction.
    Janela, T ; Bajorath, J
    In: Scientific reports, Jg. 13 (2023-10-19), Heft 1, S. 17816
    Online academicJournal
    Zugriff:
    Full Text Finder (Volltext)
    Wie komme ich dran?
  17. Detailansicht für Treffer 17 öffnen
    Machine learning models in the prediction of drug metabolism: challenges and future perspectives.
    Litsa, EE ; Das, P ; et al.
    In: Expert opinion on drug metabolism & toxicology, Jg. 17 (2021-11-01), Heft 11, S. 1245-1247
    editorialOpinion
    Wie komme ich dran?
  18. Detailansicht für Treffer 18 öffnen
    Combined docking and machine learning identify key molecular determinants of ligand pharmacological activity on β2 adrenoceptor.
    Jiménez-Rosés, M ; Morgan, BA ; et al.
    In: Pharmacology research & perspectives, Jg. 10 (2022-10-01), Heft 5, S. e00994
    Online academicJournal
    Zugriff:
    Full Text Finder (Volltext)
    Wie komme ich dran?
  19. Detailansicht für Treffer 19 öffnen
    GeneralizedDTA: combining pre-training and multi-task learning to predict drug-target binding affinity for unknown drug discovery.
    Lin, S ; Shi, C ; et al.
    In: BMC bioinformatics, Jg. 23 (2022-09-07), Heft 1, S. 367
    Online academicJournal
    Zugriff:
    Full Text Finder (Volltext)
    Wie komme ich dran?
  20. Detailansicht für Treffer 20 öffnen
    Integration of human cell lines gene expression and chemical properties of drugs for Drug Induced Liver Injury prediction.
    Lesiński, W ; Mnich, K ; et al.
    In: Biology direct, Jg. 16 (2021-01-09), Heft 1, S. 2
    Online academicJournal
    Zugriff:
    Full Text Finder (Volltext)
    Wie komme ich dran?

Weitere Bibliothekskataloge

xs 0 - 576
sm 576 - 768
md 768 - 992
lg 992 - 1200
xl 1200 - 1366
xxl 1366 -