• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

更正：罗塞塔自定义评分函数使用机器学习准确预测蛋白质-蛋白质界面处突变的ΔΔG。

Correction: Rosetta custom score functions accurately predict ΔΔG of mutations at protein-protein interfaces using machine learning.

作者信息

Shringari Sumant R, Giannakoulias Sam, Ferrie John J, Petersson E James

机构信息

Department of Chemistry, University of Pennsylvania, 231 South 34th Street, Philadelphia, PA 19104, USA.

出版信息

Chem Commun (Camb). 2020 Sep 14;56(71):10377. doi: 10.1039/d0cc90361b. Epub 2020 Aug 26.

DOI:10.1039/d0cc90361b
PMID:32845263
Abstract

Correction for 'Rosetta custom score functions accurately predict ΔΔG of mutations at protein-protein interfaces using machine learning' by Sumant R. Shringari et al., Chem. Commun., 2020, 56, 6774-6777, DOI: .

摘要

Sumant R. Shringari等人发表于《化学通讯》2020年第56卷，第6774 - 6777页，DOI: [具体DOI缺失]的论文“Rosetta定制评分函数利用机器学习准确预测蛋白质-蛋白质界面突变的ΔΔG”的更正。

相似文献

1
Correction: Rosetta custom score functions accurately predict ΔΔG of mutations at protein-protein interfaces using machine learning.更正：罗塞塔自定义评分函数使用机器学习准确预测蛋白质-蛋白质界面处突变的ΔΔG。
Chem Commun (Camb). 2020 Sep 14;56(71):10377. doi: 10.1039/d0cc90361b. Epub 2020 Aug 26.
2
Rosetta custom score functions accurately predict ΔΔG of mutations at protein-protein interfaces using machine learning.罗塞塔自定义评分函数通过机器学习准确预测蛋白质-蛋白质界面突变的 ΔΔG。
Chem Commun (Camb). 2020 Jun 25;56(50):6774-6777. doi: 10.1039/d0cc01959c. Epub 2020 May 22.
3
Correction: Breath odor-based individual authentication by an artificial olfactory sensor system and machine learning.更正：通过人工嗅觉传感器系统和机器学习基于呼吸气味的个体认证。
Chem Commun (Camb). 2022 May 30;58(44):6465. doi: 10.1039/d2cc90179j.
4
Correction: Exploring new approaches towards the formability of mixed-ion perovskites by DFT and machine learning.更正：通过密度泛函理论（DFT）和机器学习探索混合离子钙钛矿可成型性的新方法。
Phys Chem Chem Phys. 2019 Jan 30;21(5):2821. doi: 10.1039/c9cp90013f.
5
Correction: Molecular cluster analysis using local order parameters selected by machine learning.更正：使用通过机器学习选择的局部有序参数进行分子聚类分析。
Phys Chem Chem Phys. 2023 Jan 18;25(3):2641-2642. doi: 10.1039/d2cp90240k.
6
Correction: Exploration of flow reaction conditions using machine-learning for enantioselective organocatalyzed Rauhut-Currier and [3+2] annulation sequence.更正：利用机器学习探索对映选择性有机催化的劳乌特-柯里尔反应和[3+2]环化序列的流动反应条件。
Chem Commun (Camb). 2020 Oct 13;56(81):12256. doi: 10.1039/d0cc90423f.
7
Documentation of an Imperative To Improve Methods for Predicting Membrane Protein Stability.改进膜蛋白稳定性预测方法的迫切需求的记录。
Biochemistry. 2016 Sep 13;55(36):5002-9. doi: 10.1021/acs.biochem.6b00537. Epub 2016 Aug 30.
8
Correction: Morphological signatures of actin organization in single cells accurately classify genetic perturbations using CNNs with transfer learning.更正：使用具有迁移学习的卷积神经网络，单细胞中肌动蛋白组织的形态学特征可准确分类基因扰动。
Soft Matter. 2022 Nov 9;18(43):8355. doi: 10.1039/d2sm90143a.
9
Role of the minor energetic determinants of chicken egg white lysozyme (HEWL) to the stability of the HEWL.antibody scFv-10 complex.鸡卵清溶菌酶（HEWL）的次要能量决定因素对HEWL-抗体单链抗体片段-10复合物稳定性的作用
Proteins. 2000 Jul 1;40(1):49-57.
10
Correction: Atomistic QM/MM simulations of the strength of covalent interfaces in carbon nanotube-polymer composites.更正：碳纳米管-聚合物复合材料中共价键界面强度的原子量子力学/分子力学模拟
Phys Chem Chem Phys. 2020 Jul 1;22(25):14375. doi: 10.1039/d0cp90135k.

引用本文的文献

1
Data-Driven Synthetic Cell Factories Development for Industrial Biomanufacturing.用于工业生物制造的数据驱动型合成细胞工厂开发
Biodes Res. 2022 Jun 15;2022:9898461. doi: 10.34133/2022/9898461. eCollection 2022.