Search research articles

Videos de Conceptos Relacionados

Evolutionary Relationships through Genome Comparisons

Evolutionary Relationships through Genome Comparisons

Genome comparison is one of the excellent ways to interpret the evolutionary relationships between organisms. The basic principle of genome comparison is that if two species share a common feature, it is likely encoded by the DNA sequence conserved between both species. The advent of genome sequencing technologies in the late 20th century enabled scientists to understand the concept of conservation of domains between species and helped them to deduce evolutionary relationships across diverse...

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por

Same author

What Is in a Structure? Cell Permeability and Solubility of Series of Macrocycles and Linear Matched Pairs.

Journal of medicinal chemistry·2026

Same author

New high affinity AT2 receptor ligands comprising a 2-methyl substituted phenylthiophene scaffold.

Bioorganic & medicinal chemistry·2026

Same author

Visual field inhomogeneities and the architectonics of early visual cortex shape visual working memory.

Cerebral cortex (New York, N.Y. : 1991)·2026

Same author

Metacognition in Decision-Making Across Domains and Modalities: Evidence From Three Studies.

Psychological science·2026

Same author

A Large-scale Investigation of the Resting-state Alpha-band Activity in Relation to Interindividual Differences in Visual Perception.

Journal of cognitive neuroscience·2025

Same author

Neural network topologies supporting individual variations in vividness of visual imagery.

NeuroImage·2025

Same journal

Targeting the GLP-1 receptor pathways for dual management of obesity and depression.

Drug discovery today·2026

Same journal

Chemical intervention strategies targeting MYC for cancer therapy.

Drug discovery today·2026

Same journal

How many protein pairs can we chemically target?

Drug discovery today·2026

Same journal

From trial-and-error to inverse design: how AI is redefining drug delivery systems.

Drug discovery today·2026

Same journal

Critical evaluation of the key mediators causing life-threatening symptoms during human anaphylaxis.

Drug discovery today·2026

Same journal

A20 as a novel immunoregulatory target for neuroinflammation.

Drug discovery today·2026

Ver todos los artículos relacionados

ACERCA DE JoVE

Visión General Liderazgo Blog Centro de Ayuda JoVE

AUTORES

Proceso de Publicación Consejo Editorial Alcance y Políticas Revisión por Pares Preguntas Frecuentes Enviar

BIBLIOTECARIOS

Testimonios Suscripciones Acceso Recursos Consejo Asesor de Bibliotecas Preguntas Frecuentes

INVESTIGACIÓN

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments Archivo

EDUCACIÓN

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual Centro de Recursos para Profesores Sitio de Profesores

Términos y Condiciones de Uso

Política de Privacidad

Search research articles

Video Experimental Relacionado

Updated: Feb 23, 2026

Predictive Immune Modeling of Solid Tumors

Predictive Immune Modeling of Solid Tumors

Published on: February 25, 2020

Hacia modelos predictivos generalizables para las bibliotecas codificadas en ADN.

Vasanthanathan Poongavanam¹, S Pauliina Turunen², Kristian Sandberg²

¹Drug Discovery and Development Platform, Science for Life Laboratory, Department of Medicinal Chemistry, BMC, Uppsala University, Box 574, SE-751 23 Uppsala, Sweden.

Drug discovery today

|February 21, 2026

Resumen

Este resumen es generado por máquina.

Las bibliotecas codificadas por ADN (DEL) y el aprendizaje automático (ML) aceleran el descubrimiento de fármacos, pero enfrentan desafíos. Esta revisión pone de relieve los problemas con los datos ruidosos y el reajuste del modelo, proponiendo soluciones para una exploración espacial química más robusta.

Palabras clave:

AURKA AURKA es también conocido como AURKA.Biblioteca codificada en el ADN.espacio químico espacio químico Adaptación del dominio de la adaptación del dominio generalizabilidad generalizabilidad.Aprendizaje automático de aprendizaje automático.

Más Videos Relacionados

Screening for Functional Non-coding Genetic Variants Using Electrophoretic Mobility Shift Assay EMSA and DNA-affinity Precipitation Assay DAPA

Screening for Functional Non-coding Genetic Variants Using Electrophoretic Mobility Shift Assay EMSA and DNA-affinity Precipitation Assay DAPA

Published on: August 21, 2016

Automated Gel Size Selection to Improve the Quality of Next-generation Sequencing Libraries Prepared from Environmental Water Samples

Automated Gel Size Selection to Improve the Quality of Next-generation Sequencing Libraries Prepared from Environmental Water Samples

Published on: April 17, 2015

Videos de Experimentos Relacionados

Last Updated: Feb 23, 2026

Predictive Immune Modeling of Solid Tumors

Predictive Immune Modeling of Solid Tumors

Published on: February 25, 2020

Screening for Functional Non-coding Genetic Variants Using Electrophoretic Mobility Shift Assay EMSA and DNA-affinity Precipitation Assay DAPA

Screening for Functional Non-coding Genetic Variants Using Electrophoretic Mobility Shift Assay EMSA and DNA-affinity Precipitation Assay DAPA

Published on: August 21, 2016

Automated Gel Size Selection to Improve the Quality of Next-generation Sequencing Libraries Prepared from Environmental Water Samples

Automated Gel Size Selection to Improve the Quality of Next-generation Sequencing Libraries Prepared from Environmental Water Samples

Published on: April 17, 2015

Área de la Ciencia:

Descubrimiento de Drogas Descubrimiento de Drogas
Química computacional es la química computacional.
Biotecnología La biotecnología es la biotecnología.

Sus antecedentes:

Las bibliotecas codificadas por ADN (DEL) combinadas con el aprendizaje automático (ML) presentan un enfoque poderoso para la identificación de éxitos en el descubrimiento de fármacos.
Los datos de secuenciación de los DEL pueden ser ruidosos y sesgados, lo que lleva a modelos de ML que se ajustan demasiado a bibliotecas químicas específicas.

Objetivo del estudio:

Evaluar críticamente las capacidades y limitaciones de DEL-ML para la identificación de aciertos.
Para ilustrar los desafíos en DEL-ML utilizando datos de selección de afinidad de Aurora Kinasa A (AURKA).
Proponer estrategias para construir modelos DEL-ML robustos.

Principales métodos:

Revisión de las metodologías DEL-ML existentes.
Análisis de los datos de selección de afinidad de la Aurora Kinasa A (AURKA) DEL.
Evaluación de las estrategias de desnudez y técnicas de adaptación de dominio.

Principales resultados:

Los modelos estándar de aprendizaje automático a menudo no se generalizan a nuevos espacios químicos debido a restricciones estructurales específicas de la biblioteca.
Los datos de secuenciación ruidosos y sesgados tienen un impacto significativo en el rendimiento del modelo DEL-ML.
Las restricciones estructurales específicas en las bibliotecas combinatorias limitan la generalización del modelo.

Conclusiones:

Las estrategias de denuncia rigurosas son esenciales para que el DEL-ML sea efectivo.
Técnicas como la adaptación de dominio pueden ayudar a mitigar las limitaciones y mejorar la robustez del modelo.
Se propone una hoja de ruta para desarrollar modelos DEL-ML capaces de explorar eficazmente diversos espacios químicos.