Logotipo ImpactU
Autor

Predicting coated-nanoparticle drug release systems with perturbation-theory machine learning (PTML) models

Acceso Abierto
ID Minciencias: ART-0000056766-565
Ranking: ART-ART_A1
Idioma: Inglés
Publicado: 01/01/2020
APC (est): No disponible

Abstract:

We combine Perturbation Theory and Machine Learning (PTML algorithm) to train a model able to predicting the best components for Nanoparticle Drug Delivery Systems (DDNS).

Tópico:

Computational Drug Discovery Methods

Citaciones:

Citations: 43
43

Citaciones por año:

Altmétricas:

Paperbuzz Score: 0
0

Información de la Fuente:

SCImago Journal & Country Rank
FuenteNanoscale
Cuartil año de publicaciónNo disponible
Volumen12
Issue25
Páginas13471 - 13483
pISSNNo disponible
ISSN2040-3364
Perfil OpenAlexhttps://openalex.org/S23181512

Enlaces e Identificadores:

Minciencias IDART-0000056766-565Scienti ID0000056766-565Openalex URLhttps://openalex.org/W3033049749
Doi URLhttps://doi.org/10.1039/d0nr01849jOpen_access URLhttps://digital.csic.es/bitstream/10261/339489/1/Acceso_restringido.pdfPmid URLhttps://pubmed.ncbi.nlm.nih.gov/32613998
Artículo de revista
Fundadores:
Logotipo Universidad de Antioquia
Logotipo Universidad Autónoma Latinoamericana
Logotipo Universidad Externado de Colombia
Logotipo Universidad Del Valle
Producto desarrollado por:
Logotipo Colav
@colav
Contacto
ImpactU:
Acerca de ImpactU
Manual de usuario
Código Abierto
Datos Abiertos
Apidocs
Estadísticas de uso
Indicadores de Cooperación
Información:
ImpactU Versión 3.11.2
Última actualización:
Interfaz de Usuario: 16/10/2025
Base de Datos: 29/08/2025
Hecho en Colombia