Entidad: Universitat Rovira i Virgili (URV)
Confidencialidad: No
Enseñanza(s): Enginyeria de la Seguretat Informàtica i Intel·ligència Artificial
APS: No
Título en diferentes idiomas: GraphDTA para predecir la afinidad de unión entre fármaco y diana
Resumen: 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.
Materia: Medicaments--Monitoratge
Curso académico: 2023-2024
Idioma: en
Fecha de la defensa del trabajo: 2024-09-16
Áreas temàticas: Ingeniería informática
Estudiante: Gálvez Rísquez, Natzaret
Departamento: Enginyeria Informàtica i Matemàtiques
Fecha de alta en el repositorio: 2025-10-23
Palabras clave: GraphDTA, afinidad de unión fármaco-objetivo, predicción
Título en la lengua original: GraphDTA for predicting drug–target binding affinity
Derechos de Accesso: info:eu-repo/semantics/openAccess
Director del proyecto: Serratosa Casanelles, Francesc D'assís
Repositori URV