P2RANK

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F15%3A10312095" target="_blank" >RIV/00216208:11320/15:10312095 - isvavai.cz</a>
Výsledek na webu
<a href="http://siret.ms.mff.cuni.cz/p2rank" target="_blank" >http://siret.ms.mff.cuni.cz/p2rank</a>
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
P2RANK
Popis výsledku v původním jazyce
P2RANK is a novel machine learning-based method for prediction of ligand binding sites from protein structure. P2RANK uses Random Forests classifier to infer ligandability of local chemical neighborhoods near the protein surface which are represented byspecific near-surface points and described by aggregating physico-chemical features projected on those points from neighboring protein atoms. The points with high predicted ligandability are clustered and ranked to obtain the resulting list of binding site predictions.
Název v anglickém jazyce
P2RANK
Popis výsledku anglicky
P2RANK is a novel machine learning-based method for prediction of ligand binding sites from protein structure. P2RANK uses Random Forests classifier to infer ligandability of local chemical neighborhoods near the protein surface which are represented byspecific near-surface points and described by aggregating physico-chemical features projected on those points from neighboring protein atoms. The points with high predicted ligandability are clustered and ranked to obtain the resulting list of binding site predictions.

Projekt
<a href="/cs/project/GP14-29032P" target="_blank" >GP14-29032P: Efektivní explorace chemického prostoru s využitím vícekriteriální optimalizace</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění
2015
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)