Estudo de acoplamento molecular do interferente endócrino glifosato em receptores hormonais (2020)
- Authors:
- USP affiliated authors: HONORIO, KÁTHIA MARIA - EACH ; SILVA NETO, MILTON ALVES DA - EACH ; CONRADO, ERICA DE SOUSA - EACH
- Unidade: EACH
- Subjects: RECEPTORES HORMONAIS; BIOTECNOLOGIA
- Language: Português
- Imprenta:
- Publisher: Universidade de São Paulo - USP
- Publisher place: São Paulo
- Date published: 2020
- Source:
- Conference titles: Simpósio Internacional de Iniciação Científica e Tecnológica da Universidade de São Paulo - SIICUSP
-
ABNT
SILVA NETO, Milton Alves da e CONRADO, Érica de Sousa e HONORIO, Kathia Maria. Estudo de acoplamento molecular do interferente endócrino glifosato em receptores hormonais. 2020, Anais.. São Paulo: Universidade de São Paulo - USP, 2020. Disponível em: https://uspdigital.usp.br/siicusp/siicPublicacao.jsp?codmnu=7210. Acesso em: 31 mar. 2026. -
APA
Silva Neto, M. A. da, Conrado, É. de S., & Honorio, K. M. (2020). Estudo de acoplamento molecular do interferente endócrino glifosato em receptores hormonais. In Resumos. São Paulo: Universidade de São Paulo - USP. Recuperado de https://uspdigital.usp.br/siicusp/siicPublicacao.jsp?codmnu=7210 -
NLM
Silva Neto MA da, Conrado É de S, Honorio KM. Estudo de acoplamento molecular do interferente endócrino glifosato em receptores hormonais [Internet]. Resumos. 2020 ;[citado 2026 mar. 31 ] Available from: https://uspdigital.usp.br/siicusp/siicPublicacao.jsp?codmnu=7210 -
Vancouver
Silva Neto MA da, Conrado É de S, Honorio KM. Estudo de acoplamento molecular do interferente endócrino glifosato em receptores hormonais [Internet]. Resumos. 2020 ;[citado 2026 mar. 31 ] Available from: https://uspdigital.usp.br/siicusp/siicPublicacao.jsp?codmnu=7210 - Uso de quimioinformática para o planejamento de potenciais inibidores de alvos relacionados com o vírus SARS-CoV-2
- Estudo computacional da degradação eletroquímica do herbicida Metribuzin
- Virtual screening and in vitro assays of novel hits as promising DPP-4 inhibitors
- MASSA Algorithm: automated rational sampling of training and test subsets for QSAR modelling
- Recent advances in the prediction of pharmacokinetics properties in drug design studies: a review
- Machine learning techniques applied to the drug design and discovery of new antivirals: a brief look over the past decade
- The importance of good practices and false hits for QSAR-driven virtual screening real application: a SARS-CoV-2 main protease (Mpro) case study
- The potential of secondary metabolites from plants as drugs or leads against trypanosoma cruzi-An Update from 2012 to 2021
- Andrographolide: a diterpenoid from cymbopogon schoenanthus identified as a new hit compound against trypanosoma cruzi using machine learning and experimental approaches
- Molecular features related to the binding mode of PPARδ agonists from QSAR and docking analyses
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
