| 标题 |
 Advancing Enzyme’s Stability and Catalytic Efficiency through Synergy of Force-Field Calculations, Evolutionary Analysis, and Machine Learning 通过力场计算、进化分析和机器学习的协同作用提高酶的稳定性和催化效率
相关领域
热稳定性
蛋白质工程
饱和突变
突变
生物信息学
蛋白质稳定性
化学
理论（学习稳定性）
力场（虚构）
计算机科学
突变
酶
人工智能
生物化学
机器学习
突变体
基因
|
| 网址 | |
| DOI | |
| 其它 |
期刊：ACS Catalysis 作者：Antonín Kunka; Sérgio M. Marques; Martin Havlasek; Michal Vasina; Nikola Velatova; et al 出版日期：2023-09-11 |
| 求助人 | |
| 下载 | 求助已完成，仅限求助人下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
带头大哥
爱静静
寻道图强
Billy
yangguang2000
平常的毛豆
双黄
杳鸢
嗯哼
妖娃娃
苹果丑
从容芮
ppg123
tuanheqi
科目三
美好斓
membrane
jyy
CodeCraft
樱桃猴子
皖公网安备34019202002308
