Treballs Fi de Grau> Enginyeria Química

De Novo molecule generation for biomedical research

  • Datos identificativos

    Identificador: TFG:7023
    Autores:
    García Martínez, Alejandro
  • Otros:

    Fecha de alta en el repositorio: 2024-05-10
    Resumen: In recent years, multiple generative models have been developed for De Novo molecule generation. Generative models are a potentially powerful tool for generating molecules and exploring chemical space. En els darrers anys, s'han desenvolupat múltiples models generatius per a la generació de molècules De Novo. Els models generatius són una eina potencialment potent per generar molècules i explorar l'espai químic.
    Materia: Enginyeria Biomèdica
    Idioma: en
    Codirector del trabajo: Sales Pardo, Marta
    Áreas temáticas: Ingeniería Biomédica Biomedical Engineering Enginyeria Biomèdica
    Departamento: Enginyeria Química
    Estudiante: García Martínez, Alejandro
    Curso académico: 2022-2023
    Título en diferentes idiomas: Generación de moléculas de novo para investigación biomédica De Novo molecule generation for biomedical research Generació de molècules De Novo per a la investigació biomèdica
    Fecha de la defensa del treball: 2023-06-20
    Derechos de acceso: info:eu-repo/semantics/openAccess
    Palabras clave: modelos generativos profundos; red de políticas convolucionales de graficos; metabolómica; descubrimiento de medicamento deep generative models; graph convolutional policy network; metabolomics; drug discovery models generatius profunds; xarxa de polítiques convolucionals de gràfics; metabolòmica; descobriment de fàrmacs
    Confidencialidad: No
    Título en la lengua original: De Novo molecule generation for biomedical research
    Director del proyecto: Guimerà Manrique, Roger
    Enseñanza(s): Enginyeria Biomèdica
    Entidad: Universitat Rovira i Virgili (URV)
  • Palabras clave:

    Ingeniería Biomédica
    Biomedical Engineering
    Enginyeria Biomèdica
    Enginyeria Biomèdica
  • Documentos:

  • Cerca a google

    Search to google scholar