Advances with support vector machines for novel drug discovery (2019)
- Authors:
- USP affiliated authors: OLIVEIRA, PATRÍCIA RUFINO - EACH ; HONORIO, KÁTHIA MARIA - EACH
- Unidade: EACH
- DOI: 10.1080/17460441.2019.1549033
- Subjects: QUÍMICA MÉDICA; PLANEJAMENTO DE FÁRMACOS; RELAÇÕES QUANTITATIVAS ENTRE ESTRUTURA QUÍMICA E ATIVIDADE BIOLÓGICA
- Language: Inglês
- Imprenta:
- Source:
- Título do periódico: Expert Opinion on Drug Discovery
- ISSN: 1746-0441
- Volume/Número/Paginação/Ano: v. 14, n. 1, p. 01-11, Jan. 2019
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
MALTAROLLO, Vinicius Gonçalves et al. Advances with support vector machines for novel drug discovery. Expert Opinion on Drug Discovery, v. 14, n. Ja 2019, p. 01-11, 2019Tradução . . Disponível em: https://doi.org/10.1080/17460441.2019.1549033. Acesso em: 19 abr. 2024. -
APA
Maltarollo, V. G., Kronenberger, T., Espinoza, G. Z., Oliveira, P. R., & Honorio, K. M. (2019). Advances with support vector machines for novel drug discovery. Expert Opinion on Drug Discovery, 14( Ja 2019), 01-11. doi:10.1080/17460441.2019.1549033 -
NLM
Maltarollo VG, Kronenberger T, Espinoza GZ, Oliveira PR, Honorio KM. Advances with support vector machines for novel drug discovery [Internet]. Expert Opinion on Drug Discovery. 2019 ; 14( Ja 2019): 01-11.[citado 2024 abr. 19 ] Available from: https://doi.org/10.1080/17460441.2019.1549033 -
Vancouver
Maltarollo VG, Kronenberger T, Espinoza GZ, Oliveira PR, Honorio KM. Advances with support vector machines for novel drug discovery [Internet]. Expert Opinion on Drug Discovery. 2019 ; 14( Ja 2019): 01-11.[citado 2024 abr. 19 ] Available from: https://doi.org/10.1080/17460441.2019.1549033 - Knowing and combating the enemy: a brief review on SARS-CoV-2 and computational approaches applied to the discovery of drug candidates
- Applying machine learning techniques for ADME-Tox prediction: a review
- Transfer and multi-task learning in QSAR modeling: advances and Challenges
- Evaluating Deep Learning models for predicting ALK-5 inhibition
- Machine learning techniques and drug design
- A molecular modeling study of combretastatin-like chalcones as anticancer agents using PLS, ANN and consensus models
- New consensus multivariate models based on PLS and ANN studies of sigma-1 receptor antagonists
- Redes neurais artificiais para extração de características
- Métodos auto-organizáveis para segmentação de imagens
- Uso de aprendizagem profunda para predição de atividade de inibidores de ALK-5
Informações sobre o DOI: 10.1080/17460441.2019.1549033 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
