PuSH - Publikationsserver des Helmholtz Zentrums München

Export: TXT Text RIS Endnote (RIS) BIB BibTeX
Eytcheson, S.A.* ; Tetko, I.V.

Which modern AI methods provide accurate predictions of toxicological end points? Analysis of Tox24 challenge results.

Chem. Res. Toxicol. 38, 1443-1451 (2025)
DOI PMC
Web of Science
Times Cited
Scopus
Cited By
Altmetric
2
2
Tags
Anmerkungen
Besondere Publikation
Auf Hompepage verbergern

Zusatzinfos bearbeiten
Eigene Tags bearbeiten
Privat
Eigene Anmerkung bearbeiten
Privat
Auf Publikationslisten für
Homepage nicht anzeigen
Als besondere Publikation
markieren
Publikationstyp Artikel: Journalartikel
Dokumenttyp Editorial
Schlagwörter Chemicals
Sprache englisch
Veröffentlichungsjahr 2025
HGF-Berichtsjahr 2025
ISSN (print) / ISBN 0893-228X
e-ISSN 1520-5010
Zeitschrift Chemical Research in Toxicology
Quellenangaben Band: 38, Heft: 9, Seiten: 1443-1451 Artikelnummer: , Supplement: ,
Verlag American Chemical Society (ACS)
Verlagsort 1155 16th St, Nw, Washington, Dc 20036 Usa
Begutachtungsstatus Peer reviewed
Institut(e) Institute of Structural Biology (STB)
POF Topic(s) 30203 - Molecular Targets and Therapies
Forschungsfeld(er) Enabling and Novel Technologies
PSP-Element(e) G-503000-001
Förderungen U.S. Environmental Protection Agency
Research Participation Program at the Office of Research and Development Center for Computational Toxicology
Nathaniel Charest
odowska-Curie Actions Doctoral Network
Horizon Europe Marie Sklstrok
Marie Sklodowska-Curie Innovative Training Network European Industrial Doctorate
H2020 Marie Sklodowska-Curie Actions
DOI 10.1021/acs.chemrestox.5c00273
WOS ID 001547523200001
Scopus ID 105016024770
PubMed ID 40779334
Erfassungsdatum 2025-10-08
[➜Korrektur melden]