Rasulev B.
76
Coauthors
12
Documentos
Volumen de publicaciones por año
Cargando gráfico
| Año de publicación | Num. Publicaciones |
|---|---|
| 2015 | 1 |
| 2017 | 1 |
| 2018 | 1 |
| 2019 | 1 |
| 2021 | 1 |
| 2022 | 5 |
| 2023 | 2 |
Publicaciones por áreas de conocimiento
Cargando gráfico
| Área de conocimiento | Num. Publicaciones |
|---|---|
| Bioquímica | 7 |
| Aprendizaje automático | 6 |
| Relación cuantitativa estructura-actividad | 3 |
| Nanopartícula | 2 |
| Descubrimiento de fármacos | 2 |
| Ciencias de la computación | 1 |
| Toxicología | 1 |
| Análisis de datos | 1 |
| Enzima | 1 |
| Microbiología | 1 |
Publicaciones por áreas temáticas
Cargando gráfico
| Área temática | Num. Publicaciones |
|---|---|
| Química física | 4 |
| Farmacología y terapéutica | 4 |
| Programación informática, programas, datos, seguridad | 3 |
| Biología | 2 |
| Química analítica | 2 |
| Fisiología y materias afines | 2 |
| Funcionamiento de bibliotecas y archivos | 2 |
| Ciencias de la computación | 2 |
| Artes gráficas y artes decorativas | 1 |
| Fisiología humana | 1 |
Principales fuentes de datos
| Origen | Num. Publicaciones |
|---|---|
| Scopus | 12 |
| Google Scholar | 4 |
| RRAAE | 0 |
Cargando gráfico
Coautores destacados por número de publicaciones
| Coautor | Num. Publicaciones |
|---|---|
| Gerardo M. Casañola-Martin | 10 |
| Karel Diéguez-Santana | 5 |
| González‐díaz H. | 5 |
| Pham-The H. | 3 |
| Rivera-Borroto O.M. | 2 |
| Amilkar Puris | 2 |
| Thu H.L.T. | 2 |
| Nam N.H. | 2 |
| Garit J. | 2 |
| Green J.R. | 2 |
Cargando gráfico
Top Keywords
Cargando gráfico
Publicaciones del autor
Towards rational nanomaterial design by pbkp_redicting drug-nanoparticle system interaction vs. bacterial metabolic networks
ArticleAbstract: The emergence of multidrug-resistant (MDR) strains with perturbed metabolic networks (MNs) pushes rePalabras claves:Autores:González‐díaz H., Karel Diéguez-Santana, Rasulev B.Fuentes:googlescopusPbkp_redicting metabolic reaction networks with Perturbation-Theory Machine Learning (PTML) models
ArticleAbstract: Background: Checking the connectivity (structure) of complex Metabolic Reaction Networks (MRNs) modePalabras claves:Combinatorial perturbation theory models, complex networks, Linear invariants, Machine learning, Markov chains, Metabolic pathwaysAutores:Gerardo M. Casañola-Martin, González‐díaz H., Green J.R., Karel Diéguez-Santana, Rasulev B.Fuentes:googlescopusThe Hydrolysis Rate of Paraoxonase-1 Q and R Isoenzymes: An In Silico Study Based on In Vitro Data
ArticleAbstract: Human serum paraoxonase-1 (PON1) is an important hydrolase-type enzyme found in numerous tissues. NoPalabras claves:Isoenzymes, Molecular docking, molecular dynamics, molecular modeling, PON1, QM/MM, QSAR, RPON1Autores:Gauld J.W., Gerardo M. Casañola-Martin, Karabulut S., Mansour B., Rasulev B.Fuentes:scopusA Fuzzy System Classification Approach for QSAR Modeling of αAmylase and α-Glucosidase Inhibitors
ArticleAbstract: Introduction: This report proposes the application of a new Machine Learning algorithm called FuzzyPalabras claves:Anti-diabetic agents, FURIA-C, induction rule, Lda, machine-learning techniques, QSARAutores:Amilkar Puris, Gerardo M. Casañola-Martin, González‐díaz H., Karel Diéguez-Santana, Rasulev B., Rivera-Borroto O.M.Fuentes:googlescopusIn Silico Pbkp_rediction of the Toxicity of Nitroaromatic Compounds: Application of Ensemble Learning QSAR Approach
ArticleAbstract: In this work, a dataset of more than 200 nitroaromatic compounds is used to develop Quantitative StrPalabras claves:Accumulated Local Effect, ensemble model, Machine learning, nitroaromatic compounds, QSAR, QSTR, Support Vector Machine, ToxicityAutores:Daghighi A., Gerardo M. Casañola-Martin, Lučić B., Milenković D., Rasulev B., Timmerman T.Fuentes:scopus