Ładuje się......
Extrapolative prediction using physically-based QSAR
Surflex-QMOD integrates chemical structure and activity data to produce physically-realistic models for binding affinity prediction . Here, we apply QMOD to a 3D-QSAR benchmark dataset and show broad applicability to a diverse set of targets. Testing new ligands within the QMOD model employs automat...
Zapisane w:
| Wydane w: | J Comput Aided Mol Des |
|---|---|
| Główni autorzy: | , |
| Format: | Artigo |
| Język: | Inglês |
| Wydane: |
Springer International Publishing
2016
|
| Hasła przedmiotowe: | |
| Dostęp online: | https://ncbi.nlm.nih.gov/pmc/articles/PMC4796382/ https://ncbi.nlm.nih.gov/pubmed/26860112 https://ncbi.nlm.nih.govhttp://dx.doi.org/10.1007/s10822-016-9896-1 |
| Etykiety: |
Dodaj etykietę
Nie ma etykietki, Dołącz pierwszą etykiete!
|