最新文章

文章
曙光超级计算机为先进的化学研究
在阿贡国家实验室,极光的超级计算机将导致电荷作为美国首位系统超过一个exaflop,或每秒万亿的计算。在本文中,我们探讨极光可以使革命多相催化化学研究进展,对化石燃料的处理和小分子转换。

文章
数据可视化在生物制药:利用人工智能、虚拟现实和先生支持药物发现
本文住在挑战了主流药物发现和数据可视化解决方案涵盖了如何推动者人工智能和虚拟现实等市场已经改变了药物发现数据可视化。它触及现有解决方案的例子,新的球员和即将到来的行业合作伙伴关系。

文章
蛋白质组学的发展——约翰·耶茨教授
蛋白质组学的发展系列的最后一期功能采访约翰•耶茨的分子医学教授斯克里普斯研究。耶茨实验室专注于发展战略和工具在蛋白质组学回答基本的生物学问题。

文章
稀疏数据的人工智能的力量在制药行业
人工智能正迅速在制药行业采用。尽管如此,许多制药发展数据有限,导致限制数量的可用数据。稀疏数据的人工智能,人工智能的应用限制数量的数据——是开放增强药物开发的新途径。在这篇文章中,Nanoform Jukka Corander看着稀疏数据如何帮助制药行业AI获得更大的透明度和导致更多改变生活的药物进入市场。

文章
XL-MS和低温电子显微镜的给予和获得的关系
结构生物学最近观察到的两个显著的结婚免费技术研究蛋白质结构和交互:交联质谱(XL-MS)和诺贝尔奖获得者低温电子显微镜(低温电子显微镜)。

文章
蛋白质组学的发展——理查德Scheltema博士
理查德Scheltema乌得勒支大学的助理教授,他领导了Scheltema实验室广泛的上下文内的群艾伯特见鬼。研究小组专注于质谱(MS)结构蛋白质组学为基础,发展先进的液相色谱-光谱法(质/ MS)平台和分析软件。

文章
为什么自动化已经发挥重要作用在低温电子显微镜的未来
低温电子显微镜(低温电子显微镜)是一个不可或缺的技术结构生物学家。但这并非总是如此。我们采访了布里奇特卡拉格,西蒙斯电镜中心主任发现自动化改善了低温电子显微镜。

文章
蛋白质组学的发展,伊曼纽尔Petricoin教授
本周的分期付款的“蛋白质组学”的演变特性伊曼纽尔Petricoin的采访。职业生涯致力于推动临床蛋白质组学领域的发展,Petricoin的研究侧重于发展尖端microproteomic技术,识别和发现早期疾病的生物标志物检测和创建纳米技术工具分析物检测、药物传输和监控。

文章
错误的结束——在实验室条形码系统是如何提高效率
生物技术和制药实验室面临的一个关键挑战是如何减少不当的错误,很难发现和研究项目产生巨大影响。在这篇文章中,史蒂夫•Yemm数字科学和信息学实验室公司CEO个人经历,看着条形码标签如何帮助减少错误,降低成本,提高效率在实验室里。

文章
第一个赢家的LEA
Lipidomics卓越奖(LEA)成立通过Lipidomics加强生命科学。回顾许多提交高质量的项目后,LEA陪审团宣布三个获奖者。
广告