Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
EndNote (UTF-8)
 
DownloadE-Mail
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  AI identifies developmental defects and drug mechanisms in embryos

Müller, P. (2023). AI identifies developmental defects and drug mechanisms in embryos. Nature Methods, 20(6), 793-794. doi:10.1038/s41592-023-01872-5.

Item is

 

einblenden: alle

Basisdaten

ausblenden:
Datensatz-Permalink: https://hdl.handle.net/21.11116/0000-000F-7703-8 Versions-Permalink: https://hdl.handle.net/21.11116/0000-000F-7704-7
Genre: Zeitschriftenartikel

Externe Referenzen

einblenden:

Urheber

ausblenden:
 Urheber:
Müller, P1, Autor                 
Affiliations:
1Müller Group, Friedrich Miescher Laboratory, Max Planck Society, ou_3008690              

Inhalt

ausblenden:
Schlagwörter: -
 Zusammenfassung: We developed EmbryoNet, a deep learning tool that can automatically identify and classify developmental defects caused by perturbations of signaling pathways in vertebrate embryos. The tool could help to elucidate the mechanisms of action of pharmaceuticals, potentially transforming the drug discovery process.

Details

ausblenden:
Sprache(n):
 Datum: 2023-06
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: DOI: 10.1038/s41592-023-01872-5
PMID: 37156845
 Art des Abschluß: -

Veranstaltung

einblenden:

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

ausblenden:
Titel: Nature Methods
  Kurztitel : Nat Methods
Genre der Quelle: Zeitschrift
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: New York, NY : Nature Publishing Group
Seiten: - Band / Heft: 20 (6) Artikelnummer: - Start- / Endseite: 793 - 794 Identifikator: ISSN: 1548-7091
CoNE: https://pure.mpg.de/cone/journals/resource/111088195279556