日期 影响因子
日期:
2020 年 — 2026 年
2020
2021
2022
2023
2024
2025
2026
影响因子:
–

TopEC: prediction of Enzyme Commission classes by 3D graph neural networks and localized 3D protein descriptor

TopEC：基于3D图神经网络和局部3D蛋白质描述符的酶委员会分类预测

期刊:Nature Communications
影响因子:15.7
doi:10.1038/s41467-025-57324-5
van der Weg, Karel; Merdivan, Erinc; Piraud, Marie; Gohlke, Holger
3D/类器官
发表日期：2025
文献求助 收藏

DrugDiff: small molecule diffusion model with flexible guidance towards molecular properties

DrugDiff：小分子扩散模型，可根据分子特性灵活调整模型参数

期刊:Journal of Cheminformatics
影响因子:5.7
doi:10.1186/s13321-025-00965-x
Oestreich, Marie; Merdivan, Erinc; Lee, Michael; Schultze, Joachim L; Piraud, Marie; Becker, Matthias
发表日期：2025
文献求助 收藏

OneProt: Towards multi-modal protein foundation models via latent space alignment of sequence, structure, binding sites and text encoders

OneProt：通过序列、结构、结合位点和文本编码器的潜在空间比对，构建多模态蛋白质基础模型

期刊:PLoS Computational Biology
影响因子:3.6
doi:10.1371/journal.pcbi.1013679
Flöge, Klemens; Udayakumar, Srisruthi; Sommer, Johanna; Piraud, Marie; Kesselheim, Stefan; Fortuin, Vincent; Günnemann, Stephan; van der Weg, Karel J; Gohlke, Holger; Merdivan, Erinc; Bazarova, Alina
发表日期：2025
文献求助 收藏

Class imbalance in multi-resident activity recognition: an evaluative study on explainability of deep learning approaches

多居民活动识别中的类别不平衡：深度学习方法可解释性的评估研究

期刊:Universal Access in the Information Society
影响因子:2.7
doi:10.1007/s10209-024-01123-0
Singh, Deepika; Merdivan, Erinc; Kropf, Johannes; Holzinger, Andreas
发表日期：2025
文献求助 收藏

MISATO: machine learning dataset of protein-ligand complexes for structure-based drug discovery

MISATO：用于基于结构的药物发现的蛋白质-配体复合物机器学习数据集

期刊:Nature Computational Science
影响因子:18.3
doi:10.1038/s43588-024-00627-2
Siebenmorgen, Till; Menezes, Filipe; Benassou, Sabrina; Merdivan, Erinc; Didi, Kieran; Mourão, André Santos Dias; Kitel, Radosław; Liò, Pietro; Kesselheim, Stefan; Piraud, Marie; Theis, Fabian J; Sattler, Michael; Popowicz, Grzegorz M
MIS
发表日期：2024
文献求助 收藏

Improved prediction of bacterial CRISPRi guide efficiency from depletion screens through mixed-effect machine learning and data integration

通过混合效应机器学习和数据整合，提高从耗竭筛选中预测细菌 CRISPRi 引导效率的能力。

期刊:Genome Biology
影响因子:9.4
doi:10.1186/s13059-023-03153-y
Yu, Yanying; Gawlitt, Sandra; de Andrade E Sousa, Lisa Barros; Merdivan, Erinc; Piraud, Marie; Beisel, Chase L; Barquist, Lars
微生物学
发表日期：2024
文献求助 收藏