دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Kunal Roy (eds.)
سری: Challenges and Advances in Computational Chemistry and Physics 24
ISBN (شابک) : 9783319568508, 9783319568492
ناشر: Springer International Publishing
سال نشر: 2017
تعداد صفحات: 555
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 12 مگابایت
کلمات کلیدی مربوط به کتاب پیشرفت در مدل سازی QSAR: برنامه های کاربردی در علوم دارویی ، شیمیایی ، غذایی ، کشاورزی و محیط زیست: شیمی نظری و محاسباتی، علوم/فناوری دارویی، شیمی محیط زیست، علوم غذایی، شیمی دارویی، کشاورزی
در صورت تبدیل فایل کتاب Advances in QSAR Modeling: Applications in Pharmaceutical, Chemical, Food, Agricultural and Environmental Sciences به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب پیشرفت در مدل سازی QSAR: برنامه های کاربردی در علوم دارویی ، شیمیایی ، غذایی ، کشاورزی و محیط زیست نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب پیشزمینه نظری و روششناسی و همچنین تمام کاربردهای
کنونی روابط کمّی ساختار-فعالیت (QSAR) را پوشش میدهد. این جلد
ویرایش شده که توسط یک گروه بین المللی از محققان شناخته شده
نوشته شده است، کاربردهای QSAR را در رشته های متعددی مانند
شیمی، داروسازی، علوم محیطی و کشاورزی با توجه به شکاف های داده
ها و الزامات نظارتی مدرن مورد بحث قرار می دهد. علاوه بر این،
کاربردهای QSAR در علوم غذایی و علوم نانو نیز گنجانده شده است
- دو حوزه ای که اخیراً توانسته اند از این ابزار همه کاره بهره
برداری کنند. این مجموعه بهموقع برای دانشجویان فارغالتحصیل،
دانشگاهیان و دانشمندان صنعتی علاقهمند به آخرین پیشرفتها و
کاربردهای QSAR است.
The book covers theoretical background and methodology as
well as all current applications of Quantitative
Structure-Activity Relationships (QSAR). Written by an
international group of recognized researchers, this edited
volume discusses applications of QSAR in multiple disciplines
such as chemistry, pharmacy, environmental and agricultural
sciences addressing data gaps and modern regulatory
requirements. Additionally, the applications of QSAR in food
science and nanoscience have been included – two areas which
have only recently been able to exploit this versatile tool.
This timely addition to the series is aimed at graduate
students, academics and industrial scientists interested in
the latest advances and applications of QSAR.
Front Matter....Pages i-x
Front Matter....Pages 1-1
Towards the Revival of Interpretable QSAR Models....Pages 3-55
The Use of Topological Indices in QSAR and QSPR Modeling....Pages 57-88
Which Performance Parameters Are Best Suited to Assess the Predictive Ability of Models?....Pages 89-104
Front Matter....Pages 105-105
Structural, Physicochemical and Stereochemical Interpretation of QSAR Models Based on Simplex Representation of Molecular Structure....Pages 107-147
The Maximum Common Substructure (MCS) Search as a New Tool for SAR and QSAR....Pages 149-165
Generative Topographic Mapping Approach to Chemical Space Analysis....Pages 167-199
Front Matter....Pages 201-201
On Applications of QSARs in Food and Agricultural Sciences: History and Critical Review of Recent Developments....Pages 203-302
Quantitative Structure-Epigenetic Activity Relationships....Pages 303-338
QSAR/QSPR Modeling in the Design of Drug Candidates with Balanced Pharmacodynamic and Pharmacokinetic Properties....Pages 339-384
Strategy for Identification of Nanomaterials’ Critical Properties Linked to Biological Impacts: Interlinking of Experimental and Computational Approaches....Pages 385-424
In Silico Approaches for the Prediction of In Vivo Biotransformation Rates....Pages 425-451
Development of Monte Carlo Approaches in Support of Environmental Research....Pages 453-469
Environmental Toxicity of Pesticides, and Its Modeling by QSAR Approaches....Pages 471-501
Counter-Propagation Artificial Neural Network Models for Prediction of Carcinogenicity of Non-congeneric Chemicals for Regulatory Uses....Pages 503-527
Big Data in Structure-Property Studies—From Definitions to Models....Pages 529-552
Back Matter....Pages 553-555