Passer au contenu principal

Recherche

Afficher tous les résultats pour

Accueil

Personne

Hamed Khakzad

À propos
Confidentialité
Mentions légales

Copyright © 2026 EPFL, tous droits réservés

Graph Chatbot

Source officielle

https://people.epfl.ch/hamed.khakzad?lang=fr

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Unités associées (1)

Laboratoire de conception de protéines et d'immuno-ingénierie

EPFL
STI
IBI-STI
LPDI

Publications associées (5)

Veuillez noter qu'il ne s'agit pas d'une liste complète des publications de cette personne. Elle inclut uniquement les travaux sémantiquement pertinents. Pour une liste complète, veuillez consulter Infoscience.

De novo protein design by inversion of the AlphaFold structure prediction network

Bruno Emanuel Ferreira De Sousa Correia, Stéphane Rosset, Casper Alexander Goverde, Benedict Dieter Gregor Wolf, Hamed Khakzad

De novo protein design enhances our understanding of the principles that govern protein folding and interactions, and has the potential to revolutionize biotechnology through the engineering of novel protein functionalities. Despite recent progress in comp ...

2023

A new age in protein design empowered by deep learning

Bruno Emanuel Ferreira De Sousa Correia, Michael Bronstein, Casper Alexander Goverde, Ilia Igashov, Arne Schneuing, Hamed Khakzad

The rapid progress in the field of deep learning has had a significant impact on protein design. Deep learning methods have recently produced a breakthrough in protein structure prediction, leading to the availability of high-quality models for millions of ...

Cell Press2023

Multienzyme deep learning models improve peptide de novo sequencing by mass spectrometry proteomics

Author summaryIn recent years, the application of deep learning represented a breakthrough in the mass spectrometry (MS) field by improving the assignment of the correct sequence of amino acids from observable MS spectra without prior knowledge, also known ...

PUBLIC LIBRARY SCIENCE2023