Jyakhwo S., Bocharova V., Serov N., Dmitrenko A., Vinogradov V.V. SelTox: Discovering the Capacity of Selectively Antimicrobial Nanoparticles for Targeted Eradication of Pathogenic Bacteria. Advanced Materials Technologies. 2025. Vol. 10. No. 2. pp. 2400458.
Novel Interpretable Amino Acid Property-Based Peptide Embeddings for Improved Activity Prediction
Eremeyeva M., Din Y., Shirokii N., Serov N. SequenceCraft: machine learning-based resource for exploratory analysis of RNA-cleaving deoxyribozymes. BMC Bioinformatics. 2025. Vol. 26. No. 1. pp. 2.
Dubrovsky I., Dmitrenko A., Dmitrenko A., Serov N., Vinogradov V. Unveiling the Potential of AI for Nanomaterial Morphology Prediction. Proceedings of Machine Learning Research. 2024. Vol. 235. pp. 11957-11978.
Generative AI for Co-Crystal Design with Property Control
Gubina N., Dmitrenko A., Solovev G., Yamshchikova L., Petrov O., Lebedev I., Serov N., Kirgizov G., Nikitin N., Vinogradov V. Hybrid Generative AI for De Novo Design of Co-Crystals with Enhanced Tabletability. Advances in Neural Information Processing Systems. 2024. Vol. 37. pp. 1-39.
Jyakhwo S., Serov N., Dmitrenko A., Vinogradov V.V. Machine Learning Reinforced Genetic Algorithm for Massive Targeted Discovery of Selectively Cytotoxic Inorganic Nanoparticles. Small. 2024. Vol. 20. No. 6. pp. 2305375.
Burmakina P., Kapustina O., Gubina N., Serov N., Vinogradov V. User-Friendly and Industry-Integrated AI for Medicinal Chemists and Pharmaceuticals. Artificial Intelligence Chemistry. 2024. Vol. 2. No. 2. pp. 100072.
Интерпретируемые дескрипторы пептидов с учётом физико-химических свойств аминокислот и металлических кофакторов
Serov N., Kim P., Falchevskaya A., Shabalkin I., Dmitrenko A., Kladko D., Vinogradov V. Quantifying the Efficacy of Magnetic Nanoparticles for MRI and Hyperthermia Applications via Machine Learning Methods. Small. 2023. Vol. 19. No. 48. pp. 2303522.
Shirokii N., Din Y., Petrov I., Seregin Y., Sirotenko S., Razlivina J., Serov N., Vinogradov V. Quantitative prediction of inorganic nanomaterial cellular toxicity via machine learning. Small. 2023. Vol. 19. No. 19. pp. 2207106.
Jyakhwo S., Serov N., Vinogradov V. Discovery of selectively cytotoxic inorganic nanomaterial using machine learning reinforced genetic algorithm on normal and cancerous cell lines// International scientific conference of students, graduate students and young scientists Lomonosov-2023
MACHINE LEARNING REINFORCED BY GENETIC ALGORITHM: A PLATFORM TO DISCOVER SELECTIVELY CYTOTOXIC NANOMATERIALS FOR DRUG DELIVERY SYSTEMS
Новые белковые дескрипторы
Направленный генеративный дизайн коформеров для получения сокристаллов с заранее заданными механическими свойствами
Направленный генеративный дизайн коформеров для получения сокристаллов с заданными свойствами
Text-to-Image ГЕНЕРАТИВНАЯ СИСТЕМА ДЛЯ ПРЕДСКАЗАНИЯ МОРФОЛОГИИ НАНОМАТЕРИАЛОВ, ПОЛУЧАЕМЫХ МЕТОДАМИ РАСТВОРНОЙ ХИМИИ, ОСНОВАННАЯ НА СИНТЕТИЧЕСКИХ ПРОЦЕДУРАХ И МОДЕЛИ ОБРАБОТКИ ЕСТЕСТВЕННОГО ЯЗЫКА BERT
Text-to-Image генеративная система предсказания морфологии наноматериалов, основанная на модели обработки естественного языка и процедурах синтезов наночастиц, получаемых методами растворной химии
Дизайн фармацевтических сокристаллов при помощи методов генеративного глубокого обучения
Разработка сокристаллов с заранее заданными свойствами с использованием генеративной модели глубокого обучения
Text-to-Image система генеративного предсказания морфологии наноматериалов, получаемых методами растворной химии, основанная на модели обработки естественного языка и процедурах синтезов
КОЛИЧЕСТВЕННОЕ ПРЕДСКАЗАНИЕ ЦИТОТОКСИЧНОСТИ НАНОМАТЕРИАЛОВ
TEXT-TO-IMAGE ГЕНЕРАТИВНАЯ СИСТЕМА ПРЕДСКАЗАНИЯ МОРФОЛОГИИ НАНОМАТЕРИАЛОВ, ОСНОВАННАЯ НА МОДЕЛИ ОБРАБОТКИ ЕСТЕСТВЕННОГО ЯЗЫКА И ПРОЦЕДУРАХ СИНТЕЗОВ НАНОЧАСТИЦ, ПОЛУЧАЕМЫХ МЕТОДАМИ РАСТВОРНОЙ ХИМИИ
Генеративный искусственный интеллект для получения сокристаллов с заранее заданными свойствами
Расширяемый ресурс открытого доступа для количественного прогнозирования каталитической активности нанозимов
Serov N., Vinogradov V. Inverse material search and synthesis verification by hand drawings via transfer learning and contour detection. Small Methods. 2022. Vol. 6. No. 5. pp. 2101619.
Serov N.S., Vinogradov V.V. Artificial intelligence to bring nanomedicine to life. Advanced Drug Delivery Reviews. 2022. Vol. 184. pp. 114194.
Protasiuk L.E., Serov N.S., Lokteva A.V., Kladko D.V., Koshel E.I., Vinogradov V.V. Mechano-bactericidal anisotropic particles for oral biofilm treatment. Journal of Materials Chemistry B. 2022. Vol. 10. No. 25. pp. 4867-4877.
Razlivina J., Serov N., Shapovalova O., Vinogradov V. DiZyme: Open-Access Expandable Resource for Quantitative Prediction of Nanozyme Catalytic Activity. Small. 2022. Vol. 18. No. 12. pp. 2105673.
DiZyme: платформа для рационального дизайна нанозимов
Kladko D.V., Falchevskaya A., Serov N.S., Prilepskii A.Y. Nanomaterial Shape Influence on Cell Behavior. International Journal of Molecular Sciences. 2021. Vol. 22. No. 10. pp. 5266.
DiZyme: an Open-Access Expandable Resource for Quantitative Prediction of Nanozyme Catalytic Activity
DiZyme: an Open-Access Expandable Resource for Quantitative Prediction of Nanozyme Catalytic Activity
Исследование влияния морфологии частиц на формировании протеиновой короны
Рациональный поиск фермент-мимикрирующих наноматериалов для высокоэффективного катализа при помощи алгоритмов машинного обучения
The XII International Conference on Chemistry for Young Scientists MENDELEEV-2021
Prilepskii A.Y., Serov N.S., Kladko D.V., Vinogradov V.V. Nanoparticle-Based Approaches towards the Treatment of Atherosclerosis. Pharmaceutics. 2020. Vol. 12. No. 11. pp. 1056.
Магнитоуправляемый тромболитический препарат на основе наноразмерного карбоната кальция, энтрапированный плазмином
Serov N.S., Darmoroz D., Lokteva A., Chernyshov I., Koshel E., Vinogradov V.V. One-pot synthesis of template-free hollow anisotropic CaCO 3 structures: towards inorganic shape-mimicking drug delivery systems. Chemical Communications. 2020. Vol. 56. No. 80. pp. 11969-11972.
Kuchur O.A., Tsymbal S.A., Shestovskaya M.V., Serov N.S., Dukhinova M.S., Shtil A.A. Metal-derived nanoparticles in tumor theranostics: Potential and limitations. Journal of Inorganic Biochemistry. 2020. Vol. 209. pp. 111117.
Synthesis of plasmin-loaded Fe3O4@CaCO3 nanoparticles: towards next generation of thrombolytic drugs
Serov N., Prilepskii A.Y., Sokolov A., Vinogradov V.V. Synthesis of Plasmin-Loaded Fe3O4@CaCO3 Nanoparticles: Towards Next-Generation Thrombolytic Drugs. ChemNanoMat. 2019. Vol. 5. No. 10. pp. 1267-1271.
Испания, Виго