Entitat: Universitat Rovira i Virgili (URV)
Confidencialitat: No
Ensenyament(s): Enginyeria de la Seguretat Informàtica i Intel·ligència Artificial
Aprenentatge Servei: No
Títol en diferents idiomes: GraphDTA per predir l'afinitat d'unió medicament-objectiu
Resum: El desenvolupament de fàrmacs és costós i requereix molt de temps, però la seva reutilització ofereix una alternativa més ràpida en trobar nous usos per als fàrmacs aprovats. Conèixer les interaccions fàrmac-proteïna és crucial per a aquest procés. GraphDTA, un model que prediu l'afinitat fàrmac-objectiu mitjançant xarxes neuronals gràfiques, supera els models establerts com DeepDTA i WideDTA en precisió i adaptabilitat. Tot i que GraphDTA es basa en representacions SMILES, la incorporació de dades estructurals en 3D podria retenir informació molecular vital, millorant les prediccions. Això destaca el potencial de GraphDTA per millorar amb un major desenvolupament, convertint-lo en una eina robusta i versàtil per a les prediccions d'afinitat fàrmac-objectiu.
Matèria: Medicaments--Monitoratge
Curs acadèmic: 2023-2024
Idioma: en
Data de la defensa del treball: 2024-09-16
Àrees temàtiques: Enginyeria informàtica
Estudiant: Gálvez Rísquez, Natzaret
Departament: Enginyeria Informàtica i Matemàtiques
Data d'alta al repositori: 2025-10-23
Paraules clau: GraphDTA, afinitat d'enllaç medicament-objectiu, predicció
Títol en la llengua original: GraphDTA for predicting drug–target binding affinity
Drets d'accés: info:eu-repo/semantics/openAccess
Director del projecte: Serratosa Casanelles, Francesc D'assís
Repositori URV