ReP USP - Resultado da busca

Artigo de periodico
Discovery of new Zika protease and polymerase inhibitors through the open science collaboration Project OpenZika (2022)
Mottin, Melina ; Sousa, Bruna Katiele de Paula ; Mesquita, Nathalya Cristina de Moraes Roso; Oliveira, Ketllyn Irene Zagato de; Noske, Gabriela Dias; Sartori, Geraldo Rodrigues ; Albuquerque, Aline de Oliveira; Urbina, Fabio; Puhl, Ana C. ; Moreira Filho, José Teófilo; Souza, Guilherme Eduardo de ; Guido, Rafael Victorio Carvalho ; Muratov, Eugene ; Neves, Bruno Junior ; Silva, João Hermínio Martins da ; Clark, Alex E.; Siqueira Neto, Jair L. ; Perryman, Alexander L.; Oliva, Glaucius ; Ekins, Sean ; Andrade, Carolina Horta
Fonte: Journal of Chemical Information and Modeling. Unidade: IFSC
Assuntos: ZIKA VÍRUS, PLANEJAMENTO DE FÁRMACOS, ANTIVIRAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MOTTIN, Melina et al. Discovery of new Zika protease and polymerase inhibitors through the open science collaboration Project OpenZika. Journal of Chemical Information and Modeling, v. 62, n. 24, p. 6825-6843, 2022Tradução . . Disponível em: https://doi.org/10.1021/acs.jcim.2c00596. Acesso em: 23 nov. 2025.
APA
Mottin, M., Sousa, B. K. de P., Mesquita, N. C. de M. R., Oliveira, K. I. Z. de, Noske, G. D., Sartori, G. R., et al. (2022). Discovery of new Zika protease and polymerase inhibitors through the open science collaboration Project OpenZika. Journal of Chemical Information and Modeling, 62( 24), 6825-6843. doi:10.1021/acs.jcim.2c00596
NLM
Mottin M, Sousa BK de P, Mesquita NC de MR, Oliveira KIZ de, Noske GD, Sartori GR, Albuquerque A de O, Urbina F, Puhl AC, Moreira Filho JT, Souza GE de, Guido RVC, Muratov E, Neves BJ, Silva JHM da, Clark AE, Siqueira Neto JL, Perryman AL, Oliva G, Ekins S, Andrade CH. Discovery of new Zika protease and polymerase inhibitors through the open science collaboration Project OpenZika [Internet]. Journal of Chemical Information and Modeling. 2022 ; 62( 24): 6825-6843.[citado 2025 nov. 23 ] Available from: https://doi.org/10.1021/acs.jcim.2c00596
Vancouver
Mottin M, Sousa BK de P, Mesquita NC de MR, Oliveira KIZ de, Noske GD, Sartori GR, Albuquerque A de O, Urbina F, Puhl AC, Moreira Filho JT, Souza GE de, Guido RVC, Muratov E, Neves BJ, Silva JHM da, Clark AE, Siqueira Neto JL, Perryman AL, Oliva G, Ekins S, Andrade CH. Discovery of new Zika protease and polymerase inhibitors through the open science collaboration Project OpenZika [Internet]. Journal of Chemical Information and Modeling. 2022 ; 62( 24): 6825-6843.[citado 2025 nov. 23 ] Available from: https://doi.org/10.1021/acs.jcim.2c00596
Artigo de periodico
Quantum machine learning algorithms for drug discovery applications (2021)
Batra, Kushal; Zorn, Kimberley M.; Foil, Daniel H.; Minerali, Eni; Gawriljuk, Victor Oliveira; Lane, Thomas R.; Ekins, Sean
Fonte: Journal of Chemical Information and Modeling. Unidade: IFSC
Assuntos: PLANEJAMENTO DE FÁRMACOS, COMPUTAÇÃO APLICADA, INTELIGÊNCIA ARTIFICIAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BATRA, Kushal et al. Quantum machine learning algorithms for drug discovery applications. Journal of Chemical Information and Modeling, v. 61, n. 6, p. 2641-2647, 2021Tradução . . Disponível em: https://doi.org/10.1021/acs.jcim.1c00166. Acesso em: 23 nov. 2025.
APA
Batra, K., Zorn, K. M., Foil, D. H., Minerali, E., Gawriljuk, V. O., Lane, T. R., & Ekins, S. (2021). Quantum machine learning algorithms for drug discovery applications. Journal of Chemical Information and Modeling, 61( 6), 2641-2647. doi:10.1021/acs.jcim.1c00166
NLM
Batra K, Zorn KM, Foil DH, Minerali E, Gawriljuk VO, Lane TR, Ekins S. Quantum machine learning algorithms for drug discovery applications [Internet]. Journal of Chemical Information and Modeling. 2021 ; 61( 6): 2641-2647.[citado 2025 nov. 23 ] Available from: https://doi.org/10.1021/acs.jcim.1c00166
Vancouver
Batra K, Zorn KM, Foil DH, Minerali E, Gawriljuk VO, Lane TR, Ekins S. Quantum machine learning algorithms for drug discovery applications [Internet]. Journal of Chemical Information and Modeling. 2021 ; 61( 6): 2641-2647.[citado 2025 nov. 23 ] Available from: https://doi.org/10.1021/acs.jcim.1c00166
Artigo de periodico
Development of machine learning models and the discovery of a new antiviral compound against yellow fever virus (2021)
Oliveira, Victor Gawriljuk Ferraro; Foil, Daniel H.; Puhl, Ana C. ; Zorn, Kimberley M.; Lane, Thomas R.; Riabova, Olga; Makarov, Vadim; Godoy, Andre Schutzer de ; Oliva, Glaucius ; Ekins, Sean
Fonte: Journal of Chemical Information and Modeling. Unidade: IFSC
Assuntos: FEBRE AMARELA, APRENDIZADO COMPUTACIONAL, PLANEJAMENTO DE FÁRMACOS, ANTIVIRAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
OLIVEIRA, Victor Gawriljuk Ferraro et al. Development of machine learning models and the discovery of a new antiviral compound against yellow fever virus. Journal of Chemical Information and Modeling, v. 61, n. 8, p. 3804-3813, 2021Tradução . . Disponível em: https://doi.org/10.1021/acs.jcim.1c00460. Acesso em: 23 nov. 2025.
APA
Oliveira, V. G. F., Foil, D. H., Puhl, A. C., Zorn, K. M., Lane, T. R., Riabova, O., et al. (2021). Development of machine learning models and the discovery of a new antiviral compound against yellow fever virus. Journal of Chemical Information and Modeling, 61( 8), 3804-3813. doi:10.1021/acs.jcim.1c00460
NLM
Oliveira VGF, Foil DH, Puhl AC, Zorn KM, Lane TR, Riabova O, Makarov V, Godoy AS de, Oliva G, Ekins S. Development of machine learning models and the discovery of a new antiviral compound against yellow fever virus [Internet]. Journal of Chemical Information and Modeling. 2021 ; 61( 8): 3804-3813.[citado 2025 nov. 23 ] Available from: https://doi.org/10.1021/acs.jcim.1c00460
Vancouver
Oliveira VGF, Foil DH, Puhl AC, Zorn KM, Lane TR, Riabova O, Makarov V, Godoy AS de, Oliva G, Ekins S. Development of machine learning models and the discovery of a new antiviral compound against yellow fever virus [Internet]. Journal of Chemical Information and Modeling. 2021 ; 61( 8): 3804-3813.[citado 2025 nov. 23 ] Available from: https://doi.org/10.1021/acs.jcim.1c00460
Artigo de periodico
Machine learning models identify inhibitors of SARS-CoV2 (2021)
Oliveira, Victor Gawriljuk Ferraro; Zin, Phyo Phyo Kyaw; Puhl, Ana C. ; Zorn, Kimberley M.; Foil, Daniel H.; Lane, Thomas R.; Hurst, Brett; Tavella, Tatyana Almeida; Costa, Fabio Trindade Maranhão; Lakshmanane, Premkumar; Bernatchez, Jean; Godoy, Andre Schutzer de ; Oliva, Glaucius ; Siqueira-Neto, Jair L.; Madrid, Peter B.; Ekins, Sean
Fonte: Journal of Chemical Information and Modeling. Unidade: IFSC
Assuntos: CORONAVIRUS, COVID-19, APRENDIZADO COMPUTACIONAL, PLANEJAMENTO DE FÁRMACOS, ANTIVIRAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
OLIVEIRA, Victor Gawriljuk Ferraro et al. Machine learning models identify inhibitors of SARS-CoV2. Journal of Chemical Information and Modeling, v. 61, n. 9, p. 4224-4235, 2021Tradução . . Disponível em: https://doi.org/10.1021/acs.jcim.1c00683. Acesso em: 23 nov. 2025.
APA
Oliveira, V. G. F., Zin, P. P. K., Puhl, A. C., Zorn, K. M., Foil, D. H., Lane, T. R., et al. (2021). Machine learning models identify inhibitors of SARS-CoV2. Journal of Chemical Information and Modeling, 61( 9), 4224-4235. doi:10.1021/acs.jcim.1c00683
NLM
Oliveira VGF, Zin PPK, Puhl AC, Zorn KM, Foil DH, Lane TR, Hurst B, Tavella TA, Costa FTM, Lakshmanane P, Bernatchez J, Godoy AS de, Oliva G, Siqueira-Neto JL, Madrid PB, Ekins S. Machine learning models identify inhibitors of SARS-CoV2 [Internet]. Journal of Chemical Information and Modeling. 2021 ; 61( 9): 4224-4235.[citado 2025 nov. 23 ] Available from: https://doi.org/10.1021/acs.jcim.1c00683
Vancouver
Oliveira VGF, Zin PPK, Puhl AC, Zorn KM, Foil DH, Lane TR, Hurst B, Tavella TA, Costa FTM, Lakshmanane P, Bernatchez J, Godoy AS de, Oliva G, Siqueira-Neto JL, Madrid PB, Ekins S. Machine learning models identify inhibitors of SARS-CoV2 [Internet]. Journal of Chemical Information and Modeling. 2021 ; 61( 9): 4224-4235.[citado 2025 nov. 23 ] Available from: https://doi.org/10.1021/acs.jcim.1c00683
Artigo de periodico
Discovery of potent, reversible, and competitive cruzain inhibitors with trypanocidal activity: a structure-based drug design approach (2020)
Souza, Mariana Laureano de; Rezende Junior, Celso de Oliveira; Ferreira, Rafaela S. ; Chávez, Rocio Marisol Espinoza; Ferreira, Leonardo Luiz Gomes ; Slafer, Brian W.; Magalhães, Luma Godoy; Andricopulo, Renata Krogh; Oliva, Glaucius ; Cruz, Fabio Cardoso; Dias, Luiz Carlos; Andricopulo, Adriano Defini
Fonte: Journal of Chemical Information and Modeling. Unidade: IFSC
Assuntos: TRIPANOSSOMICIDAS, PLANEJAMENTO DE FÁRMACOS, INIBIDORES QUÍMICOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SOUZA, Mariana Laureano de et al. Discovery of potent, reversible, and competitive cruzain inhibitors with trypanocidal activity: a structure-based drug design approach. Journal of Chemical Information and Modeling, v. 60, n. 2, p. 1028-1041, 2020Tradução . . Disponível em: https://doi.org/10.1021/acs.jcim.9b00802. Acesso em: 23 nov. 2025.
APA
Souza, M. L. de, Rezende Junior, C. de O., Ferreira, R. S., Chávez, R. M. E., Ferreira, L. L. G., Slafer, B. W., et al. (2020). Discovery of potent, reversible, and competitive cruzain inhibitors with trypanocidal activity: a structure-based drug design approach. Journal of Chemical Information and Modeling, 60( 2), 1028-1041. doi:10.1021/acs.jcim.9b00802
NLM
Souza ML de, Rezende Junior C de O, Ferreira RS, Chávez RME, Ferreira LLG, Slafer BW, Magalhães LG, Andricopulo RK, Oliva G, Cruz FC, Dias LC, Andricopulo AD. Discovery of potent, reversible, and competitive cruzain inhibitors with trypanocidal activity: a structure-based drug design approach [Internet]. Journal of Chemical Information and Modeling. 2020 ; 60( 2): 1028-1041.[citado 2025 nov. 23 ] Available from: https://doi.org/10.1021/acs.jcim.9b00802
Vancouver
Souza ML de, Rezende Junior C de O, Ferreira RS, Chávez RME, Ferreira LLG, Slafer BW, Magalhães LG, Andricopulo RK, Oliva G, Cruz FC, Dias LC, Andricopulo AD. Discovery of potent, reversible, and competitive cruzain inhibitors with trypanocidal activity: a structure-based drug design approach [Internet]. Journal of Chemical Information and Modeling. 2020 ; 60( 2): 1028-1041.[citado 2025 nov. 23 ] Available from: https://doi.org/10.1021/acs.jcim.9b00802
Artigo de periodico
Role of halogen bonds in thyroid hormone receptor selectivity: pharmacophore-based 3D-QSSR studies (2009)
Valadares, Napoleão F.; Salum, Lívia B.; Polikarpov, Igor ; Andricopulo, Adriano Defini ; Garratt, Richard Charles
Fonte: Journal of Chemical Information and Modeling. Unidade: IFSC
Assuntos: RELAÇÕES QUANTITATIVAS ENTRE ESTRUTURA QUÍMICA E ATIVIDADE BIOLÓGICA (ESTUDO), HORMÔNIOS TIREOIDIANOS, RECEPTORES HORMONAIS, PLANEJAMENTO DE FÁRMACOS, LIGANTES
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
VALADARES, Napoleão F. et al. Role of halogen bonds in thyroid hormone receptor selectivity: pharmacophore-based 3D-QSSR studies. Journal of Chemical Information and Modeling, v. No 2009, n. 11, p. 2606-2616, 2009Tradução . . Disponível em: https://doi.org/10.1021/ci900316e. Acesso em: 23 nov. 2025.
APA
Valadares, N. F., Salum, L. B., Polikarpov, I., Andricopulo, A. D., & Garratt, R. C. (2009). Role of halogen bonds in thyroid hormone receptor selectivity: pharmacophore-based 3D-QSSR studies. Journal of Chemical Information and Modeling, No 2009( 11), 2606-2616. doi:10.1021/ci900316e
NLM
Valadares NF, Salum LB, Polikarpov I, Andricopulo AD, Garratt RC. Role of halogen bonds in thyroid hormone receptor selectivity: pharmacophore-based 3D-QSSR studies [Internet]. Journal of Chemical Information and Modeling. 2009 ; No 2009( 11): 2606-2616.[citado 2025 nov. 23 ] Available from: https://doi.org/10.1021/ci900316e
Vancouver
Valadares NF, Salum LB, Polikarpov I, Andricopulo AD, Garratt RC. Role of halogen bonds in thyroid hormone receptor selectivity: pharmacophore-based 3D-QSSR studies [Internet]. Journal of Chemical Information and Modeling. 2009 ; No 2009( 11): 2606-2616.[citado 2025 nov. 23 ] Available from: https://doi.org/10.1021/ci900316e
Artigo de periodico
Structure-based approach for the study of estrogen receptor binding affinity and subtype selectivity (2008)
Salum, Lívia de Barros; Polikarpov, Igor ; Andricopulo, Adriano Defini
Fonte: Journal of Chemical Information and Modeling. Unidade: IFSC
Assuntos: RELAÇÕES QUANTITATIVAS ENTRE ESTRUTURA QUÍMICA E ATIVIDADE BIOLÓGICA, ESTRÓGENOS (ESTRUTURA), RECEPTORES HORMONAIS, PLANEJAMENTO DE FÁRMACOS, TERAPIA DE REPOSIÇÃO DE ESTRÓGENOS, MULHERES
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SALUM, Lívia de Barros e POLIKARPOV, Igor e ANDRICOPULO, Adriano Defini. Structure-based approach for the study of estrogen receptor binding affinity and subtype selectivity. Journal of Chemical Information and Modeling, v. No 2008, n. 11, p. 2243-2253, 2008Tradução . . Disponível em: https://doi.org/10.1021/ci8002182. Acesso em: 23 nov. 2025.
APA
Salum, L. de B., Polikarpov, I., & Andricopulo, A. D. (2008). Structure-based approach for the study of estrogen receptor binding affinity and subtype selectivity. Journal of Chemical Information and Modeling, No 2008( 11), 2243-2253. doi:10.1021/ci8002182
NLM
Salum L de B, Polikarpov I, Andricopulo AD. Structure-based approach for the study of estrogen receptor binding affinity and subtype selectivity [Internet]. Journal of Chemical Information and Modeling. 2008 ; No 2008( 11): 2243-2253.[citado 2025 nov. 23 ] Available from: https://doi.org/10.1021/ci8002182
Vancouver
Salum L de B, Polikarpov I, Andricopulo AD. Structure-based approach for the study of estrogen receptor binding affinity and subtype selectivity [Internet]. Journal of Chemical Information and Modeling. 2008 ; No 2008( 11): 2243-2253.[citado 2025 nov. 23 ] Available from: https://doi.org/10.1021/ci8002182

Unidades USP

ReP

Filtros

Autores

Autores USP

Assuntos

Grupo de pesquisa

Agência de fomento

Afiliação dos autores externos não normalizada