A Computational Workflow to Predict Biological Target Mutations: The Spike Glycoprotein Case Study.

Cozzini, Pietro; Agosta, Federica; Dolcetti, Greta; Dal Palù, Alessandro

Cozzini, Pietro; Agosta, Federica; Dolcetti, Greta; Dal Palù, Alessandro.

Afiliación

Cozzini P; Molecular Modeling Lab, Food and Drug Department, University of Parma, Parco Area delle Scienze 17/A, 43121 Parma, Italy.
Agosta F; Molecular Modeling Lab, Food and Drug Department, University of Parma, Parco Area delle Scienze 17/A, 43121 Parma, Italy.
Dolcetti G; Department of Mathematical, Physical and Computer Sciences, University of Parma, 43121 Parma, Italy.
Dal Palù A; Department of Mathematical, Physical and Computer Sciences, University of Parma, 43121 Parma, Italy.

Molecules ; 28(20)2023 Oct 14.

Article en En | MEDLINE | ID: mdl-37894561

Asunto(s)

COVID-19; SARS-CoV-2; Humanos; SARS-CoV-2/metabolismo; Flujo de Trabajo; Mutación; Glicoproteínas/genética; Glicoproteína de la Espiga del Coronavirus/genética; Glicoproteína de la Espiga del Coronavirus/metabolismo; Unión Proteica

Palabras clave

COVID-19; HINT; in silico mutation prediction; molecular modeling

Texto completo

Añadir a Mi BVS

Imprimir

XML

PubMed Links

Buscar en Google

Texto completo: 1 Colección: 01-internacional Base de datos: MEDLINE Contexto en salud: 4_TD Problema de salud: 4_pneumonia Asunto principal: SARS-CoV-2 / COVID-19 Límite: Humans Idioma: En Revista: Molecules Asunto de la revista: BIOLOGIA Año: 2023 Tipo del documento: Article País de afiliación: Italia

Texto completo

Añadir a Mi BVS

Imprimir

XML

PubMed Links

Buscar en Google