Artificial Intelligence : A Novel Approach for Drug Discovery
Díaz Sanzo, Óscar (Parc Taulí Hospital Universitari. Institut d'Investigació i Innovació Parc Taulí (I3PT))
Dalton, James A. R (Universitat Autònoma de Barcelona. Institut de Neurociències)
Giraldo, Jesús (Universitat Autònoma de Barcelona. Institut de Neurociències)

Data:	2019
Resum:	Molecular dynamics (MD) simulations can mechanistically explain receptor function. However, the enormous data sets that they may imply can be a hurdle. Plante and colleagues (Molecules, 2019) recently described a machine learning approach to the analysis of MD simulations. The approach successfully classified ligands and identified functional receptor motifs and thus it seems promising for mechanism-based drug discovery.
Ajuts:	Agencia Estatal de Investigación SAF2017-87199-R
Drets:	Aquest material està protegit per drets d'autor i/o drets afins. Podeu utilitzar aquest material en funció del que permet la legislació de drets d'autor i drets afins d'aplicació al vostre cas. Per a d'altres usos heu d'obtenir permís del(s) titular(s) de drets.
Llengua:	Anglès
Document:	Article ; recerca ; Versió acceptada per publicar
Matèria:	GPCR ; Machine learning ; Agonist ; Drug design ; Biased signaling ; Molecular dynamics
Publicat a:	Trends in Pharmacological Sciences, Vol. 40, Núm. 8 (August 2019) , p. 550-551, ISSN 1873-3735

DOI: 10.1016/j.tips.2019.06.005

Postprint 9 p, 493.5 KB

El registre apareix a les col·leccions:
Documents de recerca > Documents dels grups de recerca de la UAB > Centres i grups de recerca (producció científica) > Ciències de la salut i biociències > Institut d’Investigació i Innovació Parc Taulí (I3PT)
Documents de recerca > Documents dels grups de recerca de la UAB > Centres i grups de recerca (producció científica) > Ciències de la salut i biociències > Institut de Neurociències (INc)
Articles > Articles de recerca
Articles > Articles publicats