| 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 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
|
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。
|
rocky15
cctv18
shinysparrow
Solomon
个性的紫菜
maox1aoxin
寻道图强
酸化土壤改良
OCDer
坚强的广山
似是而非
壳米
江泽
gjww
Maestro_S
我不爱池鱼
阿大呆呆
沫豆
pluto
小鸭子
皖公网安备34019202002308
