返回
Machine learning in NMR spectroscopy
DOI:10.1016/j.pnmrs.2025.101575.png)
摘要
En 中文
• 机器学习可以提升NMR数据采集、处理、信号检测和分析。
• 机器学习方法、设计选择以及NMR相关的关键公开可用数据仓库。
• 机器学习领域的主要趋势和新兴方向,能够推动该领域的研究进展。
Keyword:
NMR spectroscopy
Machine learning
Deep learning
Automated spectrum analysis
Peak picking
Chemical shift assignment
Structure determination
Chemical shift prediction
Non-uniform sampling
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
8.2
论文数:
528
被引数:
2.7K
机构
引用论文
The 100-protein NMR spectra dataset: A resource for biomolecular NMR data analysisP. Klukowski, F. F. Damberger, F. H. T. Allain, H. Iwai, H. Kadavath, T. A. Ramelot, G. T. Montelione, R. Riek, P. Güntert, 100-蛋白质NMR光谱数据集:生物分子NMR数据分析的资源。Sci. Data 11, 1–13 (2024)。
TALOS+: a hybrid method for predicting protein backbone torsion angles from NMR chemical shiftsTALOS: 一种从NMR化学位移预测蛋白质主链扭转角的混合方法
The Potential Utility of Predicted One Bond Carbon-Proton Coupling Constants in the Structure Elucidation of Small Organic Molecules by NMR Spectroscopy
PLoS ONE
IF0

