EUVIMEDEUVIMED entdecken
Crossref

FitScore: a fast machine learning-based score for 3D virtual screening enrichment

Daniel K Gehlhaar iD, Daniel J Mermelstein iD

Journal of Computer-Aided Molecular Design · 2024

DOI: 10.1007/s10822-024-00570-4 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Journal of Computer-Aided Molecular Design, 2024. Verfasst von Daniel K Gehlhaar und 1 weiteren Autor:innen. Beteiligte Einrichtung: Pfizer, Inc., 10777 Science Center Drive, San Diego, CA, 92121, USA. dan.gehlhaar@pfizer.com. Hauptthemen laut MEDLINE: Machine Learning, Molecular Docking Simulation. Die Arbeit wurde bisher 1-mal zitiert (Crossref) und nennt 36 Literaturangaben.

AbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Schlagwörter

MeSH-Schlagwörter (MEDLINE)

Machine LearningMolecular Docking SimulationLigandsBinding SitesHumansProtein BindingProteinsSoftwareDrug Evaluation, PreclinicalDrug Discovery

Stichwörter der Autor:innen

DockingMachine learningScoringStructure-based designVirtual screening enrichment

Substanzen

LigandsProteins

Autor:innen und Institutionen

  • Pfizer, Inc., 10777 Science Center Drive, San Diego, CA, 92121, USA. dan.gehlhaar@pfizer.com.
  • Pfizer, Inc., 10777 Science Center Drive, San Diego, CA, 92121, USA.

ORCID-Profile: Daniel K Gehlhaar, Daniel J Mermelstein

Zitieren

APA

Gehlhaar, D. K., & Mermelstein, D. J. (2024). FitScore: a fast machine learning-based score for 3D virtual screening enrichment. Journal of Computer-Aided Molecular Design. https://doi.org/10.1007/s10822-024-00570-4

Vancouver

Gehlhaar DK, Mermelstein DJ. FitScore: a fast machine learning-based score for 3D virtual screening enrichment. Journal of Computer-Aided Molecular Design. 2024. doi:10.1007/s10822-024-00570-4

BibTeX
@article{Gehlhaar2024,
  author = {Gehlhaar, Daniel K and Mermelstein, Daniel J},
  title = {FitScore: a fast machine learning-based score for 3D virtual screening enrichment},
  journal = {Journal of Computer-Aided Molecular Design},
  year = {2024},
  doi = {10.1007/s10822-024-00570-4}
}
Kostenlos starten →