Novel Interpretable Amino Acid Property-Based Peptide Embeddings for Improved Activity Prediction
Прогнозирование эффективности мирнк для нокдауна генов
Lokteva A.V., Baskakova K.O., Gandalipov E.R., Serov N.S., Mikhailova M., Koshel E.I. Biohybrid Living Material with Antibacterial and Regenerating Properties Based on Probiotic Bacteria Stress Metabolism Modulation. Macromolecular Bioscience. 2025. No. in press. pp. e00452.. doi: 10.1002/mabi.202500452
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.. doi: 10.1186/s12859-024-06019-7
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.. doi: 10.1002/admt.202400458
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.
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.
Интерпретируемые дескрипторы пептидов с учётом физико-химических свойств аминокислот и металлических кофакторов
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.. doi: 10.1016/j.aichem.2024.100072
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.. doi: 10.1002/smll.202305375
Generative AI for Co-Crystal Design with Property Control
MACHINE LEARNING REINFORCED BY GENETIC ALGORITHM: A PLATFORM TO DISCOVER SELECTIVELY CYTOTOXIC NANOMATERIALS FOR DRUG DELIVERY SYSTEMS
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.. doi: 10.1002/smll.202303522
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.. doi: 10.1002/smll.202207106
Направленный генеративный дизайн коформеров для получения сокристаллов с заранее заданными механическими свойствами
Разработка сокристаллов с заранее заданными свойствами с использованием генеративной модели глубокого обучения
Генеративный искусственный интеллект для получения сокристаллов с заранее заданными свойствами
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
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
Text-to-Image система генеративного предсказания морфологии наноматериалов, получаемых методами растворной химии, основанная на модели обработки естественного языка и процедурах синтезов
Text-to-Image генеративная система предсказания морфологии наноматериалов, основанная на модели обработки естественного языка и процедурах синтезов наночастиц, получаемых методами растворной химии
КОЛИЧЕСТВЕННОЕ ПРЕДСКАЗАНИЕ ЦИТОТОКСИЧНОСТИ НАНОМАТЕРИАЛОВ
Text-to-Image ГЕНЕРАТИВНАЯ СИСТЕМА ДЛЯ ПРЕДСКАЗАНИЯ МОРФОЛОГИИ НАНОМАТЕРИАЛОВ, ПОЛУЧАЕМЫХ МЕТОДАМИ РАСТВОРНОЙ ХИМИИ, ОСНОВАННАЯ НА СИНТЕТИЧЕСКИХ ПРОЦЕДУРАХ И МОДЕЛИ ОБРАБОТКИ ЕСТЕСТВЕННОГО ЯЗЫКА BERT
Новые белковые дескрипторы
Направленный генеративный дизайн коформеров для получения сокристаллов с заданными свойствами
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.. doi: 10.1002/smtd.202101619
Serov N.S., Vinogradov V.V. Artificial intelligence to bring nanomedicine to life. Advanced Drug Delivery Reviews. 2022. Vol. 184. pp. 114194.. doi: 10.1016/j.addr.2022.114194
Расширяемый ресурс открытого доступа для количественного прогнозирования каталитической активности нанозимов
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.. doi: 10.1039/D2TB00582D
DiZyme: платформа для рационального дизайна нанозимов
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.. doi: 10.1002/smll.202105673
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.. doi: 10.3390/ijms22105266
DiZyme: an Open-Access Expandable Resource for Quantitative Prediction of Nanozyme Catalytic Activity
Рациональный поиск фермент-мимикрирующих наноматериалов для высокоэффективного катализа при помощи алгоритмов машинного обучения
The XII International Conference on Chemistry for Young Scientists MENDELEEV-2021
Исследование влияния морфологии частиц на формировании протеиновой короны
DiZyme: an Open-Access Expandable Resource for Quantitative Prediction of Nanozyme Catalytic Activity
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.. doi: 10.1039/D0CC05502F
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.. doi: 10.1016/j.jinorgbio.2020.111117
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.. doi: 10.3390/pharmaceutics12111056
Магнитоуправляемый тромболитический препарат на основе наноразмерного карбоната кальция, энтрапированный плазмином
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.. doi: 10.1002/cnma.201900359
Synthesis of plasmin-loaded Fe3O4@CaCO3 nanoparticles: towards next generation of thrombolytic drugs
Испания, Виго