DeepDelta: predicting ADMET improvements of molecular derivatives with deep learning

Standort
Deutsche Nationalbibliothek Frankfurt am Main
Umfang
1 Online-Ressource.
Sprache
Englisch

Erschienen in
DeepDelta: predicting ADMET improvements of molecular derivatives with deep learning ; volume:15 ; number:1 ; day:27 ; month:10 ; year:2023 ; pages:1-13 ; date:12.2023
Journal of cheminformatics ; 15, Heft 1 (27.10.2023), 1-13, 12.2023

Urheber
Fralish, Zachary
Chen, Ashley
Skaluba, Paul
Reker, Daniel
Beteiligte Personen und Organisationen
SpringerLink (Online service)

DOI
10.1186/s13321-023-00769-x
URN
urn:nbn:de:101:1-2024011513431765726467
Rechteinformation
Open Access; Der Zugriff auf das Objekt ist unbeschränkt möglich.
Letzte Aktualisierung
15.08.2025, 07:27 MESZ

Datenpartner

Dieses Objekt wird bereitgestellt von:
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.

Beteiligte

  • Fralish, Zachary
  • Chen, Ashley
  • Skaluba, Paul
  • Reker, Daniel
  • SpringerLink (Online service)

Ähnliche Objekte (12)