Menu

Filtros : "QUÍMICA MÉDICA" "APRENDIZADO COMPUTACIONAL" Limpar

Filtros

Refine with date range

  • 1

1 - 3 (3 records)

  • Artigo de periodico

    Knowing and combating the enemy: a brief review on SARS-CoV-2 and computational approaches applied to the discovery of drug candidates (2021)

    Serafim, Mateus Sá Magalhães ; Gertrudes, Jadson Castro ; Costa, Debora M.A.; Oliveira, Patrícia Rufino; Maltarollo, Vinícius Gonçalves ; Honório, Káthia Maria

    Source: Bioscience Reports. Unidade: EACH

    Subjects: COVID-19, INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL, PLANEJAMENTO DE FÁRMACOS, QUÍMICA MÉDICA

    Acesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      SERAFIM, Mateus Sá Magalhães et al. Knowing and combating the enemy: a brief review on SARS-CoV-2 and computational approaches applied to the discovery of drug candidates. Bioscience Reports, v. 41, n. 3, p. 01-16, 2021Tradução . . Disponível em: https://doi.org/10.1042/BSR20202616. Acesso em: 27 nov. 2025.

    • APA

      Serafim, M. S. M., Gertrudes, J. C., Costa, D. M. A., Oliveira, P. R., Maltarollo, V. G., & Honório, K. M. (2021). Knowing and combating the enemy: a brief review on SARS-CoV-2 and computational approaches applied to the discovery of drug candidates. Bioscience Reports, 41( 3), 01-16. doi:10.1042/BSR20202616

    • NLM

      Serafim MSM, Gertrudes JC, Costa DMA, Oliveira PR, Maltarollo VG, Honório KM. Knowing and combating the enemy: a brief review on SARS-CoV-2 and computational approaches applied to the discovery of drug candidates [Internet]. Bioscience Reports. 2021 ; 41( 3): 01-16.[citado 2025 nov. 27 ] Available from: https://doi.org/10.1042/BSR20202616

    • Vancouver

      Serafim MSM, Gertrudes JC, Costa DMA, Oliveira PR, Maltarollo VG, Honório KM. Knowing and combating the enemy: a brief review on SARS-CoV-2 and computational approaches applied to the discovery of drug candidates [Internet]. Bioscience Reports. 2021 ; 41( 3): 01-16.[citado 2025 nov. 27 ] Available from: https://doi.org/10.1042/BSR20202616

  • Trabalho de evento-resumo

    Construção de base de dados de compostos químicos para o desenvolvimento de modelos baseados em aprendizado de máquina aplicados à descoberta de candidatos a fármacos para a malária (2021)

    Nogueira, Victor Henrique Rabesquine ; Guido, Rafael Victorio Carvalho ; Fassio, Alexandre Victor

    Source: Livro de Resumos. Conference titles: Semana Integrada do Instituto de Física de São Carlos - SIFSC. Unidade: IFSC

    Subjects: PLASMODIUM FALCIPARUM, APRENDIZADO COMPUTACIONAL, MALÁRIA, QUÍMICA MÉDICA

    Versão PublicadaHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      NOGUEIRA, Victor Henrique Rabesquine e GUIDO, Rafael Victorio Carvalho e FASSIO, Alexandre Victor. Construção de base de dados de compostos químicos para o desenvolvimento de modelos baseados em aprendizado de máquina aplicados à descoberta de candidatos a fármacos para a malária. 2021, Anais.. São Carlos: Instituto de Física de São Carlos - IFSC, 2021. Disponível em: https://repositorio.usp.br/directbitstream/7e4270c3-89ea-454a-8367-8a8e1886c10c/PROD032590_3057258.pdf. Acesso em: 27 nov. 2025.

    • APA

      Nogueira, V. H. R., Guido, R. V. C., & Fassio, A. V. (2021). Construção de base de dados de compostos químicos para o desenvolvimento de modelos baseados em aprendizado de máquina aplicados à descoberta de candidatos a fármacos para a malária. In Livro de Resumos. São Carlos: Instituto de Física de São Carlos - IFSC. Recuperado de https://repositorio.usp.br/directbitstream/7e4270c3-89ea-454a-8367-8a8e1886c10c/PROD032590_3057258.pdf

    • NLM

      Nogueira VHR, Guido RVC, Fassio AV. Construção de base de dados de compostos químicos para o desenvolvimento de modelos baseados em aprendizado de máquina aplicados à descoberta de candidatos a fármacos para a malária [Internet]. Livro de Resumos. 2021 ;[citado 2025 nov. 27 ] Available from: https://repositorio.usp.br/directbitstream/7e4270c3-89ea-454a-8367-8a8e1886c10c/PROD032590_3057258.pdf

    • Vancouver

      Nogueira VHR, Guido RVC, Fassio AV. Construção de base de dados de compostos químicos para o desenvolvimento de modelos baseados em aprendizado de máquina aplicados à descoberta de candidatos a fármacos para a malária [Internet]. Livro de Resumos. 2021 ;[citado 2025 nov. 27 ] Available from: https://repositorio.usp.br/directbitstream/7e4270c3-89ea-454a-8367-8a8e1886c10c/PROD032590_3057258.pdf

  • Tese (Doutorado)

    Semi-supervised learning approaches with applications in Medicinal Chemistry (2019)

    Gertrudes, Jadson Castro

    Unidade: ICMC

    Subjects: BIG DATA, FRAMEWORKS, QUÍMICA MÉDICA, APRENDIZADO COMPUTACIONAL, ESTRUTURA QUÍMICA

    Acesso à fonteHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      GERTRUDES, Jadson Castro. Semi-supervised learning approaches with applications in Medicinal Chemistry. 2019. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2019. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-22082019-105334/. Acesso em: 27 nov. 2025.

    • APA

      Gertrudes, J. C. (2019). Semi-supervised learning approaches with applications in Medicinal Chemistry (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-22082019-105334/

    • NLM

      Gertrudes JC. Semi-supervised learning approaches with applications in Medicinal Chemistry [Internet]. 2019 ;[citado 2025 nov. 27 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-22082019-105334/

    • Vancouver

      Gertrudes JC. Semi-supervised learning approaches with applications in Medicinal Chemistry [Internet]. 2019 ;[citado 2025 nov. 27 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-22082019-105334/
  • 1

1 - 3 (3 records)

Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2025