Notice bibliographique
Résumé
Rafael Gozalbes holds a Ph.D. in Physical Chemistry from the University of Valencia, Spain (1998). After a post-doctoral position at the “Groupe de Chimie Informatique et Modelisation” (ITODYS) and Faculte de Medecine, both at the Universite Paris VII, he spent seven years as senior scientist at the Modelling group of CEREP, a biotech company, in France. Since 2007 he is scientific collaborator at the Structural Biochemistry Laboratory of the Centro de Investigacion Principe Felipe (CIPF). His current laboratory is actively engaged in the structural exploration of protein targets relevant in cell invasion and metastasis by using NMR spectroscopy, as well as fragment-based approaches for hit-identification. In this context, Dr. Gozalbes has the responsibility of the chemoinformatics and molecular modelling activities related to the group projects, and he has participated in several programs financed by public institutions as well as translational projects supported by pharmaceutical companies. Dr. Gozalbes is a computational chemist with expertise in the application of in silico approaches to drug discovery, and in particular the development of QSAR multivariate models (for physico-chemical, ADME-T and biological predictions), docking and study of protein-ligand interactions, design of virtual target-focused and diverse chemical libraries, pharmacophore hypotheses generation and virtual screening for selection of hit candidates. He has reviewed research programs for international institutions such as the Institut Pasteur – Cenci Bolognetti Foundation of Rome University “La Sapienza” (Italy) or the Fonds de recherche sur la nature et les technologies (FQRNT), Quebec, Canada. He has published more than 20 scientific papers and two book chapters, and collaborates regularly as a scientific reviewer of several computational and medicinal chemistry journals.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».