Stöbern
genialokal zum Startbildschirm hinzufügen
Installieren Sie die genialokal App auf Ihrem Startbildschirm für einen schnellen Zugriff und eine komfortable Nutzung.
Installieren Sie die genialokal App auf Ihrem Startbildschirm für einen schnellen Zugriff und eine komfortable Nutzung.
Tippen Sie einfach auf Teilen:
Und dann auf "Zum Home-Bildschirm [+]".
Bei genialokal.de kaufen Sie online bei Ihrer lokalen, inhabergeführten Buchhandlung!
Im Zentrum dieses Lehrbuchs steht die Anwendung, weniger die reine Wissensvermittlung der Ergebnisse aller chemisch-biologischer Arbeiten (was auch den Rahmen eines Buches sprengen würde). Es gibt dem Leser durch die gezielte Auswahl von chemisch-biologischen Techniken und Konzepten das nötige Rüstzeug, um in dem komplexen Spannungsfeld der Chemischen Biologie und der Wirkstoffentwicklung neue Denkweisen und damit neue Therapiemöglichkeiten entwickeln zu können. Erklärtes Ziel dieses Buches ist es, Studenten, (Post-)Doktoranden sowie erfahrenen Wissenschaftlern an Universitäten sowie in der Industrie bei ihren Problemen konkret Lösungen aufzuzeigen und sie zu inspirieren.
Als roter Faden dieses Buches dienen nach einer Einführung in die Problematik, die die Chemische Biologie in der Wirkstoffentwicklung adressiert, die drei Ebenen des molekularbiologischen Dogmas: DNA, RNA und Proteine und ihre Rolle als Wirkstoffziele.
Marco F. Schmidt ist Mitgründer und Chief Scientific Officer der biotx.ai Inc., welches eine Künstliche Intelligenz für die Analyse biomedizinischer Daten entwickelt hat. Zusammen mit seinem Team erforscht er, wie Maschinelles Lernen zur Identifizierung von Wirkstoffzielen und zur Vorhersage der klinischen Wirkung von Wirkstoffkandidaten genutzt werden kann. Er hat an der FU Berlin und in Tübingen Biochemie studiert, am FMP Berlin in der Chemischen Biologie promoviert und in Cambridge an neuen Wirkstoffkonzepten gearbeitet.
Marco F. Schmidt ist Mitgründer und Chief Scientific Officer der biotx.ai Inc., welches eine Künstliche Intelligenz für die Analyse biomedizinischer Daten entwickelt hat. Zusammen mit seinem Team erforscht er, wie Maschinelles Lernen zur Identifizierung von Wirkstoffzielen und zur Vorhersage der klinischen Wirkung von Wirkstoffkandidaten genutzt werden kann. Er hat an der FU Berlin und in Tübingen Biochemie studiert, am FMP Berlin in der Chemischen Biologie promoviert und in Cambridge an neuen Wirkstoffkonzepten gearbeitet.
