Machine learning-driven QSAR models for predicting the mixture toxicity of nanoparticles

已完结

文献求助详情

标题	Machine learning-driven QSAR models for predicting the mixture toxicity of nanoparticles
网址	https://doi.org/10.1016/j.envint.2023.108025
DOI	10.1016/j.envint.2023.108025 doi
其它	期刊：Environ Int 作者：Zhang F, Wang Z, Peijnenburg WJGM, Vijver MG 出版日期：2023-06-09
求助人	yzt 在 2026-09-04 16:54:13 发布自北京，悬赏 10 积分
下载	求助已完成，仅限求助人下载。

上个求助

下个求助

提交工单

该求助已完结，感谢关注

如需该文献，请重新发布求助，前往发布

科研通，让源源不断科研创作灵感的涌现之地

请遵守相关知识产权规定，勿将文件分享给他人，仅可用于个人研究学习

我的文献求助列表浏览历史

一分钟了解求助规则 | 捐赠本站 | 历史今天

更新

⚡ 2026年影响因子、分区 已更新！ (2026-6-17)

更新

📰 新增『新锐期刊分区』 (2026-3-24)

更新

💬 新增更精细的自定义提醒设置 (2026-1-4)

新增

🕒 每天60秒读懂世界·精选全球要闻 (2026-1-2)

新增

PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台，具备全网最快的应助速度，最高的求助完成率。对每一个文献求助，科研通都将尽心尽力，给求助人一个满意的交代。

实时播报: 111完成签到，获得积分10

1秒前; Gyu发布了新的文献求助10

2秒前; Akim的应助被柳惊采纳，获得10

2秒前; 汉堡包上传了应助文件

2秒前; 彩色小凝发布了新的文献求助10

2秒前; FashionBoy上传了应助文件

4秒前; 修仙中的应助被蔡坤采纳，获得10

5秒前; 在水一方的应助被叉叉采纳，获得10

5秒前; 李健上传了应助文件

6秒前; 科研通AI6.4的应助被kk采纳，获得10

6秒前; chenxxx完成签到，获得积分20

7秒前; 彩色小凝完成签到，获得积分20

8秒前; 细胞完成签到，获得积分10

9秒前; A水暖五金批发张哥发布了新的文献求助10

9秒前; 酚羟基装醇发布了新的文献求助10

9秒前; 南栀给南栀的求助进行了留言

10秒前; WANZL发布了新的文献求助10

11秒前; 科目三上传了应助文件

13秒前; 善良傲芙完成签到，获得积分10

13秒前; 李爱国上传了应助文件

15秒前; SciGPT上传了应助文件

16秒前; 科研通AI6.4上传了应助文件

16秒前; Akim上传了应助文件

17秒前; little_wang发布了新的文献求助10

18秒前; ding上传了应助文件

18秒前; 眼睛大乐巧发布了新的文献求助10

18秒前; 英姑上传了应助文件

19秒前; 思源上传了应助文件

19秒前; 英姑上传了应助文件

19秒前; Akim的应助被陈奕宏采纳，获得10

20秒前; 晶晶发布了新的文献求助10

20秒前; Akim的应助被xyy采纳，获得10

20秒前; 领导范儿的应助被SS采纳，获得10

21秒前; jawa完成签到，获得积分0

21秒前; kk发布了新的文献求助10

22秒前; 柚子完成签到，获得积分10

22秒前; 无语大王发布了新的文献求助10

22秒前; 小猪发布了新的文献求助30

23秒前; SciGPT的应助被little_wang采纳，获得10

23秒前; 若若发布了新的文献求助10

23秒前