EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Machine Learning Assisted Hit Prioritization for High Throughput Screening in Drug Discovery

Davide Boldini, Lukas Friedrich, Daniel Kuhn, Stephan A Sieber iD

ACS Central Science · 15.03.2024

DOI: 10.1021/acscentsci.3c01517 ↗

Kurz gefasst

Fachartikel in der Zeitschrift ACS Central Science, online erschienen am 15.03.2024. Verfasst von Davide Boldini und 3 weiteren Autor:innen. Beteiligte Einrichtung: TUM School of Natural Sciences, Department of Bioscience, Center for Functional Protein Assemblies (CPA), Technical University of Munich, 85748 Garch…. Die Arbeit wurde bisher 25-mal zitiert (Crossref) und nennt 50 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: European Research Council.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Autor:innen und Institutionen

  • TUM School of Natural Sciences, Department of Bioscience, Center for Functional Protein Assemblies (CPA), Technical University of Munich, 85748 Garching bei München, Germany.
  • The Healthcare business of Merck KGaA, 64293 Darmstadt, Germany.

ORCID-Profile: Stephan A Sieber

Förderung

  • European Research Council

Zitieren

APA

Boldini, D., Friedrich, L., Kuhn, D., & Sieber, S. A. (2024). Machine Learning Assisted Hit Prioritization for High Throughput Screening in Drug Discovery. ACS Central Science. https://doi.org/10.1021/acscentsci.3c01517

Vancouver

Boldini D, Friedrich L, Kuhn D, Sieber SA. Machine Learning Assisted Hit Prioritization for High Throughput Screening in Drug Discovery. ACS Central Science. 2024. doi:10.1021/acscentsci.3c01517

BibTeX
@article{Boldini2024,
  author = {Boldini, Davide and Friedrich, Lukas and Kuhn, Daniel and Sieber, Stephan A},
  title = {Machine Learning Assisted Hit Prioritization for High Throughput Screening in Drug Discovery},
  journal = {ACS Central Science},
  year = {2024},
  doi = {10.1021/acscentsci.3c01517}
}
Kostenlos starten →