Συγκριτική αξιολόγηση λογισμικών μοριακής προσομοίωσης πρόσδεσης και ανάπτυξη λογισμικού με την χρήση αλγορίθμων μηχανικής μάθησης για τον σχεδιασμό νέων ενεργοποιητών της διαλυτής γουανυλικής κυκλάσης

Η διαλυτή γουανυλική κυκλάση (sGC) είναι ένα ένζυμο το οποίο διαδραματίζει καίριο ρυθμιστικό ρόλο σε σημαντικές βιολογικές διεργασίες. Η μη ενεργοποίηση του ενζύμου συσχετίζεται με καρδιοαγγειακά νοσήματα όπως η υπέρταση. Στην τρέχουσα μελέτη αξιοποιήθηκαν λογισμικά μοριακής προσομοίωσης πρόσδεσης κ...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας:	Διδαχός, Χρήστος
Άλλοι συγγραφείς:	Φουστέρης, Μανώλης
Μορφή:	Thesis
Γλώσσα:	Greek
Έκδοση:	2020
Θέματα:	Λογισμικά μοριακής προσομοίωσης πρόσδεσης Αλγόριθμοι μηχανικής μάθησης Διαλυτή γυανυλική κυκλάση Docking programs Machine learning algorithms Soluble gyanylate cyclase
Διαθέσιμο Online:	http://hdl.handle.net/10889/13583

id	nemertes-10889-13583
record_format	dspace
spelling	nemertes-10889-135832022-09-05T11:16:24Z Συγκριτική αξιολόγηση λογισμικών μοριακής προσομοίωσης πρόσδεσης και ανάπτυξη λογισμικού με την χρήση αλγορίθμων μηχανικής μάθησης για τον σχεδιασμό νέων ενεργοποιητών της διαλυτής γουανυλικής κυκλάσης Comparative study of docking programs and development of new software applying machine learning algorithms for the design of new soluble guanylate cyclase activators Διδαχός, Χρήστος Φουστέρης, Μανώλης Φουστέρης, Μανώλης Λάλος, Αριστείδης Σπυρούλιας, Γεώργιος Λογισμικά μοριακής προσομοίωσης πρόσδεσης Αλγόριθμοι μηχανικής μάθησης Διαλυτή γυανυλική κυκλάση Docking programs Machine learning algorithms Soluble gyanylate cyclase Η διαλυτή γουανυλική κυκλάση (sGC) είναι ένα ένζυμο το οποίο διαδραματίζει καίριο ρυθμιστικό ρόλο σε σημαντικές βιολογικές διεργασίες. Η μη ενεργοποίηση του ενζύμου συσχετίζεται με καρδιοαγγειακά νοσήματα όπως η υπέρταση. Στην τρέχουσα μελέτη αξιοποιήθηκαν λογισμικά μοριακής προσομοίωσης πρόσδεσης και αλγόριθμοι μηχανικής μάθησης με σκοπό την ανακάλυψη νέων ενώσεων με ενεργοποιητική δράση έναντι της sGC. Solube guanylate cyclase is an enzyme which plays a crucial regulatory role in important biological processes. Insufficient activation of the enzyme is related to cardiovascular diseases such as hypertension. In the current study moleculat docking tools and machine learning algorithms were used in order to discover new potential sGC activators. 2020-07-13T08:44:17Z 2020-07-13T08:44:17Z 2019-07 Thesis http://hdl.handle.net/10889/13583 gr 12 application/pdf
institution	UPatras
collection	Nemertes
language	Greek
topic	Λογισμικά μοριακής προσομοίωσης πρόσδεσης Αλγόριθμοι μηχανικής μάθησης Διαλυτή γυανυλική κυκλάση Docking programs Machine learning algorithms Soluble gyanylate cyclase
spellingShingle	Λογισμικά μοριακής προσομοίωσης πρόσδεσης Αλγόριθμοι μηχανικής μάθησης Διαλυτή γυανυλική κυκλάση Docking programs Machine learning algorithms Soluble gyanylate cyclase Διδαχός, Χρήστος Συγκριτική αξιολόγηση λογισμικών μοριακής προσομοίωσης πρόσδεσης και ανάπτυξη λογισμικού με την χρήση αλγορίθμων μηχανικής μάθησης για τον σχεδιασμό νέων ενεργοποιητών της διαλυτής γουανυλικής κυκλάσης
description	Η διαλυτή γουανυλική κυκλάση (sGC) είναι ένα ένζυμο το οποίο διαδραματίζει καίριο ρυθμιστικό ρόλο σε σημαντικές βιολογικές διεργασίες. Η μη ενεργοποίηση του ενζύμου συσχετίζεται με καρδιοαγγειακά νοσήματα όπως η υπέρταση. Στην τρέχουσα μελέτη αξιοποιήθηκαν λογισμικά μοριακής προσομοίωσης πρόσδεσης και αλγόριθμοι μηχανικής μάθησης με σκοπό την ανακάλυψη νέων ενώσεων με ενεργοποιητική δράση έναντι της sGC.
author2	Φουστέρης, Μανώλης
author_facet	Φουστέρης, Μανώλης Διδαχός, Χρήστος
format	Thesis
author	Διδαχός, Χρήστος
author_sort	Διδαχός, Χρήστος
title	Συγκριτική αξιολόγηση λογισμικών μοριακής προσομοίωσης πρόσδεσης και ανάπτυξη λογισμικού με την χρήση αλγορίθμων μηχανικής μάθησης για τον σχεδιασμό νέων ενεργοποιητών της διαλυτής γουανυλικής κυκλάσης
title_short	Συγκριτική αξιολόγηση λογισμικών μοριακής προσομοίωσης πρόσδεσης και ανάπτυξη λογισμικού με την χρήση αλγορίθμων μηχανικής μάθησης για τον σχεδιασμό νέων ενεργοποιητών της διαλυτής γουανυλικής κυκλάσης
title_full	Συγκριτική αξιολόγηση λογισμικών μοριακής προσομοίωσης πρόσδεσης και ανάπτυξη λογισμικού με την χρήση αλγορίθμων μηχανικής μάθησης για τον σχεδιασμό νέων ενεργοποιητών της διαλυτής γουανυλικής κυκλάσης
title_fullStr	Συγκριτική αξιολόγηση λογισμικών μοριακής προσομοίωσης πρόσδεσης και ανάπτυξη λογισμικού με την χρήση αλγορίθμων μηχανικής μάθησης για τον σχεδιασμό νέων ενεργοποιητών της διαλυτής γουανυλικής κυκλάσης
title_full_unstemmed	Συγκριτική αξιολόγηση λογισμικών μοριακής προσομοίωσης πρόσδεσης και ανάπτυξη λογισμικού με την χρήση αλγορίθμων μηχανικής μάθησης για τον σχεδιασμό νέων ενεργοποιητών της διαλυτής γουανυλικής κυκλάσης
title_sort	συγκριτική αξιολόγηση λογισμικών μοριακής προσομοίωσης πρόσδεσης και ανάπτυξη λογισμικού με την χρήση αλγορίθμων μηχανικής μάθησης για τον σχεδιασμό νέων ενεργοποιητών της διαλυτής γουανυλικής κυκλάσης
publishDate	2020
url	http://hdl.handle.net/10889/13583
work_keys_str_mv	AT didachoschrēstos synkritikēaxiologēsēlogismikōnmoriakēsprosomoiōsēsprosdesēskaianaptyxēlogismikoumetēnchrēsēalgorithmōnmēchanikēsmathēsēsgiatonschediasmoneōnenergopoiētōntēsdialytēsgouanylikēskyklasēs AT didachoschrēstos comparativestudyofdockingprogramsanddevelopmentofnewsoftwareapplyingmachinelearningalgorithmsforthedesignofnewsolubleguanylatecyclaseactivators
_version_	1771297213588176897

Παρόμοια τεκμήρια