SAR and QSAR research on tyrosinase inhibitors using machine learning methods.

Wu, Y; Huo, D; Chen, G; Yan, A

Wu, Y; Huo, D; Chen, G; Yan, A.

Afiliación

Wu Y; State Key Laboratory of Chemical Resource Engineering Department of Pharmaceutical Engineering, Beijing University of Chemical Technology , Beijing, P. R. China.
Huo D; State Key Laboratory of Chemical Resource Engineering Department of Pharmaceutical Engineering, Beijing University of Chemical Technology , Beijing, P. R. China.
Chen G; College of Life Science and Technology, Beijing University of Chemical Technology , Beijing, China.
Yan A; State Key Laboratory of Chemical Resource Engineering Department of Pharmaceutical Engineering, Beijing University of Chemical Technology , Beijing, P. R. China.

SAR QSAR Environ Res ; 32(2): 85-110, 2021 Feb.

Article en En | MEDLINE | ID: mdl-33517778

Asunto(s)

Inhibidores Enzimáticos/química; Aprendizaje Automático; Monofenol Monooxigenasa/antagonistas & inhibidores; Redes Neurales de la Computación; Relación Estructura-Actividad; Relación Estructura-Actividad Cuantitativa

Palabras clave

K-Means; Structure-activity relationship (SAR); machine learning; quantitative structure-activity relationship (QSAR); tyrosinase inhibitors

Texto completo

Añadir a Mi BVS

Imprimir

XML

PubMed Links

Buscar en Google

Texto completo: 1 Colección: 01-internacional Base de datos: MEDLINE Asunto principal: Relación Estructura-Actividad / Redes Neurales de la Computación / Monofenol Monooxigenasa / Inhibidores Enzimáticos / Aprendizaje Automático Tipo de estudio: Prognostic_studies Idioma: En Revista: SAR QSAR Environ Res Asunto de la revista: SAUDE AMBIENTAL Año: 2021 Tipo del documento: Article Pais de publicación: Reino Unido

Texto completo

Añadir a Mi BVS

Imprimir

XML

PubMed Links

Buscar en Google