Estrategias para la integración exitosa de datos computacionales y empíricos para el descubrimiento de la medicina proteica

registrarse ahora

Miembro del jurado:

Padre de Lee, PhD
Vicepresidente de Química
Analogía

Jeremy DuPaul-Chicoin, PhD
Director Asociado de Biología
Analogía

Maximilian Abert, PhD
Director Ejecutivo, Química Computacional
Analogía

El descubrimiento moderno de proteínas depende de integrar con éxito predicciones computacionales y datos experimentales. Dado que la cantidad y complejidad de ambos datos empíricos aumenta, la capacidad de armonizar efectivamente estas diversas corrientes de datos hace que sea importante acelerar el desarrollo médico y maximizar el uso de recursos. Y si ese proceso no está personalizado, el costo de búsqueda puede aumentar rápidamente.

Las secuencias del regulador humano restablecen los telómeros de ratón para la longitud humana

En esto General Webinar, nuestro especialista en materia, Dr. Lee Padre, Dr. Jeremy DuPaul-Chinkcoin y Dr. La simulación de la dinámica molecular, la predicción de afinidad de unión y la afinidad de unión proporcionarán una observación del funcionamiento actual y las innovaciones tecnológicas para la cohesión de las corrientes de datos heterogéneas y los datos de verificación experimentales para ejecutar éxitos en la terapética proteica. Los principales objetivos de aprendizaje incluyen:

1. Comprender el enfoque para fortalecer la integración de la química, la biología y las corrientes de datos computacionales con sensibilidad
2. Métodos para la adaptación de la asignación de recursos y la prioridad entre las predicciones computacionales y la verificación experimental
3. Enfoque novedoso para la cohesión de diversas fuentes de datos para identificar oportunidades médicas
4. Aplicación del modelo de IA genérico para diseñar objetivos novedosos y bolsillos vinculantes

Un Q&A en vivo seguirá la presentación de la sesión, brindándole la oportunidad de cuestionar a nuestros expertos panelistas.

Con apoyo de: