Applying machine learning techniques for ADME-Tox prediction: a review (2015)
- Authors:
- USP affiliated authors: HONORIO, KÁTHIA MARIA - EACH ; OLIVEIRA, PATRÍCIA RUFINO - EACH
- Unidade: EACH
- DOI: 10.1517/17425255.2015.980814
- Subjects: MODELAGEM MOLECULAR; FARMACOCINÉTICA; XENOBIÓTICO; APRENDIZADO COMPUTACIONAL; RELAÇÕES QUANTITATIVAS ENTRE ESTRUTURA QUÍMICA E ATIVIDADE BIOLÓGICA
- Language: Inglês
- Imprenta:
- Publisher place: Oxfordshire
- Date published: 2015
- Source:
- Título do periódico: Expert Opinion on Drug Metabolism & Toxicology
- ISSN: 1742-5255
- Volume/Número/Paginação/Ano: v. 11, n. 2, p. 259-271, feb. 2015
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
MALTAROLLO, Vinícius Gonçalves; GERTRUDES, Jadson Castro; OLIVEIRA, Patrícia Rufino; HONÓRIO, Kathia Maria. Applying machine learning techniques for ADME-Tox prediction: a review. Expert Opinion on Drug Metabolism & Toxicology, Oxfordshire, v. 11, n. 2, p. 259-271, 2015. Disponível em: < http://dx.doi.org/10.1517/17425255.2015.980814 > DOI: 10.1517/17425255.2015.980814. -
APA
Maltarollo, V. G., Gertrudes, J. C., Oliveira, P. R., & Honório, K. M. (2015). Applying machine learning techniques for ADME-Tox prediction: a review. Expert Opinion on Drug Metabolism & Toxicology, 11( 2), 259-271. doi:10.1517/17425255.2015.980814 -
NLM
Maltarollo VG, Gertrudes JC, Oliveira PR, Honório KM. Applying machine learning techniques for ADME-Tox prediction: a review [Internet]. Expert Opinion on Drug Metabolism & Toxicology. 2015 ; 11( 2): 259-271.Available from: http://dx.doi.org/10.1517/17425255.2015.980814 -
Vancouver
Maltarollo VG, Gertrudes JC, Oliveira PR, Honório KM. Applying machine learning techniques for ADME-Tox prediction: a review [Internet]. Expert Opinion on Drug Metabolism & Toxicology. 2015 ; 11( 2): 259-271.Available from: http://dx.doi.org/10.1517/17425255.2015.980814 - Advances with support vector machines for novel drug discovery
- Transfer and multi-task learning in QSAR modeling: advances and Challenges
- A molecular modeling study of combretastatin-like chalcones as anticancer agents using PLS, ANN and consensus models
- Machine learning techniques and drug design
- Redes neurais artificiais para extração de características
- Métodos auto-organizáveis para segmentação de imagens
- New consensus multivariate models based on PLS and ANN studies of sigma-1 receptor antagonists
- Simulações moleculares: uma área naturalmente interdisciplinar
- Computational analyses of interactions between ALK-5 and bioactive ligands: insights for the design of potential anticancer agents
- Identifying structural features related to the biological activity of a series of AT1 antagonists from fragment-based drug design
Informações sobre o DOI: 10.1517/17425255.2015.980814 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
