Projekty finansowane przez NCN


Dane kierownika projektu i jednostki realizującej

Szczegółowe informacje o projekcie i konkursie

Słowa kluczowe

Aparatura

Wyczyść formularz

Rozwój grupy niezasadowych ligandów receptora serotoninowego 5-HT7, pochodnych 2-(6-okso-3-fenylo-1,6-dihydropirydazyn-1-ylo)-N-fenyloacetamidu, o zwiększonej stabilności metabolicznej

2018/28/C/NZ7/00145

Słowa kluczowe:

receptory serotoninowe ligandy niezasadowe stabilność metaboliczna receptory sprzężone z białkiem G

Deskryptory:

  • NZ7_14: Farmacja, farmakoterapia, farmakologia
  • NZ2_7: Bioinformatyka
  • ST6_11: Uczenie maszynowe, statystyczne przetwarzanie danych i zastosowanie w przetwarzaniu sygnałów

Panel:

NZ7 - Zdrowie publiczne: epidemiologia, choroby cywilizacyjne i społeczne zagrożenia środowiskowe dla zdrowia ludzi i zwierząt, medyczna i weterynaryjna ochrona zdrowia publicznego, etyka, medycyna pracy, farmakoekonomika, m.in.:

Jednostka realizująca:

Uniwersytet Jagielloński - Collegium Medicum, Collegium Medicum, Wydział Farmaceutyczny

woj. małopolskie

Inne projekty tej jednostki 

Kierownik projektu (z jednostki realizującej):

dr Sabina Podlewska 

Liczba wykonawców projektu: 2

Konkurs: SONATINA 2 - ogłoszony 2017-12-15

Przyznana kwota: 790 877 PLN

Rozpoczęcie projektu: 2018-10-15

Czas trwania projektu: 24 miesięcy

Status projektu: Projekt w realizacji

Opis Projektu

Pobierz opis projektu w formacie .pdf

Uwaga - opisy projektów zostały sporządzone przez samych autorów wniosków i w niezmienionej formie umieszczone w systemie.

Dane z raportu końcowego

  • Publikacje w czasopismach (2)
  1. Development of new methods needs proper evaluation – benchmarking sets for machine learning experiments for class A GPCRs IF: 3,966
    Autorzy:
    Leśniak, D.; Podlewska, S.; Jastrzębski, S.; Sieradzki, I.; Bojarski, A.J.; Tabor, J.
    Czasopismo:
    Journal of Chemical Information and Modeling (rok: 2019, tom: 59, strony: 4974-4992), Wydawca: American Chemical Society
    Status:
    Opublikowane
    Doi:
    10.1021/acs.jcim.9b00689 - link do publikacji
  2. Compound activity prediction – how sure can we be about ML methods-based evaluation
    Autorzy:
    Sieradzki, I.; Leśniak, D.; Podlewska, S.
    Status:
    Złożone