• 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

New Computational Approaches Aimed at the Prediction of More Selective and Active Drugs.

作者信息

Concu Riccardo

机构信息

Requimte/Faculdade de Ciências da Universidade Do Porto Rua do Campo Alegre, s/n 4169-007 Porto, Portugal.

出版信息

Curr Top Med Chem. 2020;20(18):1581. doi: 10.2174/156802662018200630150100.

DOI:10.2174/156802662018200630150100
PMID:32862825
Abstract
摘要

相似文献

1
New Computational Approaches Aimed at the Prediction of More Selective and Active Drugs.旨在预测更具选择性和活性药物的新计算方法。
Curr Top Med Chem. 2020;20(18):1581. doi: 10.2174/156802662018200630150100.
2
Computational Approaches for De Novo Drug Design: Past, Present, and Future.从头药物设计的计算方法：过去、现在和未来。
Methods Mol Biol. 2021;2190:139-165. doi: 10.1007/978-1-0716-0826-5_6.
3
The Computational Models of Drug-target Interaction Prediction.药物-靶点相互作用预测的计算模型
Protein Pept Lett. 2020;27(5):348-358. doi: 10.2174/0929866526666190410124110.
4
Computational methods and tools to predict cytochrome P450 metabolism for drug discovery.用于药物发现的预测细胞色素 P450 代谢的计算方法和工具。
Chem Biol Drug Des. 2019 Apr;93(4):377-386. doi: 10.1111/cbdd.13445. Epub 2019 Jan 15.
5
A Machine Learning Approach for Drug-target Interaction Prediction using Wrapper Feature Selection and Class Balancing.基于包装特征选择和类别平衡的药物-靶标相互作用预测的机器学习方法。
Mol Inform. 2020 May;39(5):e1900062. doi: 10.1002/minf.201900062. Epub 2020 Feb 11.
6
Process engineering and pharmaceutical manufacturing technologies.过程工程与制药制造技术
Drug Deliv Transl Res. 2018 Dec;8(6):1593-1594. doi: 10.1007/s13346-018-0559-8.
7
DrugE-Rank: improving drug-target interaction prediction of new candidate drugs or targets by ensemble learning to rank.DrugE-Rank：通过集成学习排序改进新候选药物或靶点的药物-靶点相互作用预测。
Bioinformatics. 2016 Jun 15;32(12):i18-i27. doi: 10.1093/bioinformatics/btw244.
8
Molecular Properties of Drugs Interacting with SLC22 Transporters OAT1, OAT3, OCT1, and OCT2: A Machine-Learning Approach.与SLC22转运蛋白OAT1、OAT3、OCT1和OCT2相互作用的药物的分子特性：一种机器学习方法
J Pharmacol Exp Ther. 2016 Oct;359(1):215-29. doi: 10.1124/jpet.116.232660. Epub 2016 Aug 3.
9
Scoring multiple features to predict drug disease associations using information fusion and aggregation.利用信息融合与聚合对多个特征进行评分以预测药物-疾病关联。
SAR QSAR Environ Res. 2016 Aug;27(8):609-28. doi: 10.1080/1062936X.2016.1209241. Epub 2016 Jul 25.
10
Computational tools for polypharmacology and repurposing.多靶标药物和再利用的计算工具。
Future Med Chem. 2011 Jun;3(8):961-8. doi: 10.4155/fmc.11.62.

引用本文的文献

1
MOZART, a QSAR Multi-Target Web-Based Tool to Predict Multiple Drug-Enzyme Interactions.MOZART，一种基于网络的多靶标定量构效关系工具，可预测多种药物-酶相互作用。
Molecules. 2023 Jan 25;28(3):1182. doi: 10.3390/molecules28031182.