Eremeyeva M., Serov N., Din Y., Shirokii N. SequenceCraft: machine learning-based resource for exploratory analysis of RNA-cleaving deoxyribozymes. BMC Bioinformatics. 2025. Vol. 26. No. 2. pp. 1-18.
Generative AI for Co-Crystal Design with Property Control
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.
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. 2024. No. in press. pp. 2400458.
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.
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.
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
КОЛИЧЕСТВЕННОЕ ПРЕДСКАЗАНИЕ ЦИТОТОКСИЧНОСТИ НАНОМАТЕРИАЛОВ
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
Генеративный искусственный интеллект для получения сокристаллов с заранее заданными свойствами
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
TEXT-TO-IMAGE ГЕНЕРАТИВНАЯ СИСТЕМА ПРЕДСКАЗАНИЯ МОРФОЛОГИИ НАНОМАТЕРИАЛОВ, ОСНОВАННАЯ НА МОДЕЛИ ОБРАБОТКИ ЕСТЕСТВЕННОГО ЯЗЫКА И ПРОЦЕДУРАХ СИНТЕЗОВ НАНОЧАСТИЦ, ПОЛУЧАЕМЫХ МЕТОДАМИ РАСТВОРНОЙ ХИМИИ
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.
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.
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.
Serov N.S., Vinogradov V.V. Artificial intelligence to bring nanomedicine to life. Advanced Drug Delivery Reviews. 2022. Vol. 184. pp. 114194.
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.
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
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.
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.
Магнитоуправляемый тромболитический препарат на основе наноразмерного карбоната кальция, энтрапированный плазмином
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.
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.
Synthesis of plasmin-loaded Fe3O4@CaCO3 nanoparticles: towards next generation of thrombolytic drugs
Испания, Виго