Repositorio Institucional
Repositorio Institucional
CONICET Digital
  • Inicio
  • EXPLORAR
    • AUTORES
    • DISCIPLINAS
    • COMUNIDADES
  • Estadísticas
  • Novedades
    • Noticias
    • Boletines
  • Ayuda
    • General
    • Datos de investigación
  • Acerca de
    • CONICET Digital
    • Equipo
    • Red Federal
  • Contacto
JavaScript is disabled for your browser. Some features of this site may not work without it.
  • INFORMACIÓN GENERAL
  • RESUMEN
  • ESTADISTICAS
 
Artículo

Artificial Intelligence Set to Reverse Engineer Drug Targeting in the Cell

Fernandez, ArielIcon
Fecha de publicación: 06/2021
Editorial: American Chemical Society
Revista: ACS Pharmacology and Translational Science
ISSN: 2575-9108
Idioma: Inglés
Tipo de recurso: Artículo publicado
Clasificación temática:
Ciencias de la Información y Bioinformática

Resumen

Therapeutic drugs are required to target proteins in the cell, not in vitro. Yet, drug-induced protein folding in vivo is off limits to computational modeling efforts. This situation may change as artificial intelligence empowers molecular dynamics and enables the deconstruction of in vivo cooperativity for structural adaptation.
Palabras clave: ARTIFICIAL INTELLIGENCE , DRUG-INDUCED PROTEIN FOLDING , IN VIVO PROTEIN FOLDING , LEAD OPTIMIZATION , MOLECULAR DYNAMICS , STRUCTURE-BASED DRUG DESIGN
Ver el registro completo
 
Archivos asociados
Tamaño: 1.327Mb
Formato: PDF
.
Solicitar
Licencia
info:eu-repo/semantics/restrictedAccess Excepto donde se diga explícitamente, este item se publica bajo la siguiente descripción: Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Unported (CC BY-NC-SA 2.5)
Identificadores
URI: http://hdl.handle.net/11336/211393
URL: https://doi.org/10.1021/acsptsci.1c00107
DOI: http://dx.doi.org/10.1021/acsptsci.1c00107
Colecciones
Articulos(INQUISUR)
Articulos de INST.DE QUIMICA DEL SUR
Citación
Fernandez, Ariel; Artificial Intelligence Set to Reverse Engineer Drug Targeting in the Cell; American Chemical Society; ACS Pharmacology and Translational Science; 4; 3; 6-2021; 1256-1259
Compartir
Altmétricas
 

Enviar por e-mail
Separar cada destinatario (hasta 5) con punto y coma.
  • Facebook
  • X Conicet Digital
  • Instagram
  • YouTube
  • Sound Cloud
  • LinkedIn

Los contenidos del CONICET están licenciados bajo Creative Commons Reconocimiento 2.5 Argentina License

https://www.conicet.gov.ar/ - CONICET

Inicio

Explorar

  • Autores
  • Disciplinas
  • Comunidades

Estadísticas

Novedades

  • Noticias
  • Boletines

Ayuda

Acerca de

  • CONICET Digital
  • Equipo
  • Red Federal

Contacto

Godoy Cruz 2290 (C1425FQB) CABA – República Argentina – Tel: +5411 4899-5400 repositorio@conicet.gov.ar
TÉRMINOS Y CONDICIONES