Rezultati

eNauka >  Rezultati >  Essential Oils as Antimicrobials against Acinetobacter baumannii: Experimental and Literature Data to Definite Predictive Quantitative Composition-Activity Relationship Models Using Machine Learning Algorithms
Naziv: Essential Oils as Antimicrobials against Acinetobacter baumannii: Experimental and Literature Data to Definite Predictive Quantitative Composition-Activity Relationship Models Using Machine Learning Algorithms
Autori: Astolfi, Roberta; Oliva, Alessandra; Raffo, Antonio; Sapienza, Filippo; Ragno, Alessio; Proia, Eleonora; Mastroianni, Claudio M; Luceri, Cristina; Bozovic, Mijat; Mladenovic, Milan;
Papa, Rosanna; Bottoni, Patrizia; Mazzinelli, Elena; Nocca, Giuseppina; Ragno, Rino;
Godina: 2025
Publikacija: JOURNAL OF CHEMICAL INFORMATION AND MODELING
ISSN: 1549-9596 Journal of Chemical Information and Modeling Pretraži identifikator
Tip rezultata: Naučni članak
Kolacija: vol. 65 br. 3 str. 1378-1391
DOI: 10.1021/acs.jcim.4c02389
WoS-ID: 001403553800001
Scopus-ID: 2-s2.0-85215935824
URI: https://enauka.gov.rs/handle/123456789/966174
Projekat: ARSIAL
Izvor metapodataka: (Preuzeto iz Nasi u WoS)
M-kategorija: 
21aM21a - Vodeći međunarodni časopis kategorije M21a

5
SCOPUSTM
4
WEB OF SCIENCETM
Alt metrika
Dimensions
Unpaywall

Rezultati na eNauka su zaštićeni autorskim pravima i sva prava su zadržana, osim ako nije drugačije naznačeno.