Rosetta:MSF:NN: Boosting performance of multi-state computational protein design with a neural network
Artikel
Zhang, Yang, Nazet, Julian
, Lang, Elmar und Merkl, Rainer
(2021)
Rosetta:MSF:NN: Boosting performance of multi-state computational protein design with a neural network.
PLOS ONE 16 (8), e0256691.
Alternative Links zum Volltext
Beteiligte Einrichtungen
Details
| Dokumentenart | Artikel | ||||
| Titel eines Journals oder einer Zeitschrift | PLOS ONE | ||||
| Verlag | PLOS | ||||
| Ort der Veröffentlichung | SAN FRANCISCO | ||||
| Band | 16 | ||||
| Nummer des Zeitschriftenheftes oder des Kapitels | 8 | ||||
| Seitenbereich | e0256691 | ||||
| Datum | 2021 | ||||
| Veröffentlichungsdatum | 29 Feb 2024 12:11 | ||||
| Institutionen | Biologie und Vorklinische Medizin > Institut für Biophysik und physikalische Biochemie > Prof. Dr. Elmar Lang | ||||
| Identifikationsnummer |
| ||||
| Stichwörter / Keywords | ENERGY FUNCTIONS; PREDICTION; EPISTASIS; SPECIFICITY; STABILITY; EVOLUTION; | ||||
| Dewey-Dezimal-Klassifikation | 500 Naturwissenschaften und Mathematik > 570 Biowissenschaften, Biologie | ||||
| Status | Veröffentlicht | ||||
| Begutachtet | Ja, diese Version wurde begutachtet | ||||
| An der Universität Regensburg entstanden | Ja | ||||
| Dokumenten-ID | 55689 |
Bibliographische Daten exportieren
Nur für Besitzer und Autoren: Kontrollseite des Eintrags
Artikel Metrik (PLOS)
Artikel Metrik (PLOS)