Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/341104Полная запись метаданных
| Поле DC | Значение | Язык |
|---|---|---|
| dc.contributor.author | Фурс, К. В. | |
| dc.contributor.author | Лайков, Я. В. | |
| dc.contributor.author | Тузиков, А. В. | |
| dc.contributor.author | Андрианов, А. М. | |
| dc.date.accessioned | 2026-02-05T11:03:42Z | - |
| dc.date.available | 2026-02-05T11:03:42Z | - |
| dc.date.issued | 2025 | |
| dc.identifier.citation | Информационные системы и технологии = Information Systems and Technologies : материалы XI Междунар. науч. конгр. по информатике (CSIST-2025), Респ. Беларусь, Минск, 29–31 окт. 2025 г. В 2 ч. Ч. 1 / Белорус. гос. ун-т ; редкол.: С. В. Абламейко (гл. ред.) [и др]. – Минск : БГУ, 2025. – С. 199-203. | |
| dc.identifier.isbn | 978-985-881-851-7 | |
| dc.identifier.isbn | 978-985-881-852-4 (ч. 1) | |
| dc.identifier.uri | https://elib.bsu.by/handle/123456789/341104 | - |
| dc.description | Раздел II. Биоинформатика и приложения | |
| dc.description.abstract | На базе набора экспериментальных данных CASF-2016 в молекулярном докинге проведено сравнение оценочных функций AutoDock Vina, NNScore2, RF-Score-4, CENsible, HGScore, OnionNet-2, PIGNet2 и PLANET. Показано, что функции глубокого обучения PLANET и OnionNet-2 обеспечивают наибольшую точность, улучшая прогноз сродства лиганда и достоверность отбора потенциальных ингибиторов | |
| dc.description.sponsorship | Работа выполнена при поддержке грантов Белорусского республиканского фонда фундаментальных исследований (проект Ф24КИ-001), Международного научно-технического центра (МНТЦ, проект PR150) и Консорциума и Портала программы «Лекарственно-устойчивый туберкулез» (https://tbportals.niaid.nih.gov). | |
| dc.language.iso | ru | |
| dc.publisher | Минск : БГУ | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика | |
| dc.subject | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Биология | |
| dc.subject | ЭБ БГУ::ТЕХНИЧЕСКИЕ И ПРИКЛАДНЫЕ НАУКИ. ОТРАСЛИ ЭКОНОМИКИ::Медицина и здравоохранение | |
| dc.title | Оценочные функции молекулярного докинга: тестирование и сравнительный анализ | |
| dc.title.alternative | Scoring functions of molecular docking: testing and comparative analysis / K. V. Furs, Y. V. Laikou, A. V. Tuzikov, A. M. Andrianov | |
| dc.type | conference paper | |
| dc.description.alternative | Based on the benchmark dataset CASF-2016, a comparison of scoring functions in molecular docking was carried out, including AutoDock Vina, NNScore2, RF-Score-4, CENsible, HGScore, OnionNet-2, PIGNet2, and PLANET. The results show that the deep learning functions PLANET and OnionNet-2 provide the highest accuracy, improving ligand affinity prediction and the reliability of selecting potential inhibitors | |
| Располагается в коллекциях: | 2025. Информационные системы и технологии | |
Полный текст документа:
| Файл | Описание | Размер | Формат | |
|---|---|---|---|---|
| 199-203.pdf | 546,78 kB | Adobe PDF | Открыть |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.