SupraModel · Peptide-based Supramolecular Co-assembly Design: Multiscale Machine Learning Modeling Approach
cordis:101077842Peptide-based Supramolecular Co-assembly Design: Multiscale Machine Learning Modeling Approach
Identität reicht nur so weit wie die veröffentlichte stabile Kennung oder ausdrückliche Zuordnung. Ähnliche Namen werden nicht zusammengeführt. Fehlende Verbindungen bedeuten: in den begrenzten Quellen nicht beobachtet – nicht in Wirklichkeit abwesend.
Identität ≠ Namensähnlichkeit · Kante ≠ KausalitätJede direkte Verbindung mit ihrem Beleg
Beziehungsbezeichnung und Evidenzklasse beschreiben die gesamte Aussage. Prüf den Quellbeleg, bevor du eine weitergehende Schlussfolgerung ziehst.
edge:project-output:101077842:08b3066ca258f658ad7f48a1Kein zusätzlicher Textauszug veröffentlicht.
Quelle öffnen ↗edge:project-output:101077842:7d6e4ad2f5e8e8125b6c85eeKein zusätzlicher Textauszug veröffentlicht.
Quelle öffnen ↗claim:funding:101077842:999977463Kein zusätzlicher Textauszug veröffentlicht.
Quelle öffnen ↗Felder, die an dieser Identität bleiben
Attribute sind beschreibende Quellfelder. Sie erzeugen keine datensatzübergreifende Identität, solange eine Kante diesen Join nicht ausdrücklich ausweist.
- Acronym
- SupraModel
- Code
- 101077842
- End Date
- 2028-03-31
- Framework Programme
- HORIZON
- Funding
- Currency: EUR · German Net Eu Contribution Cents: 147418200 · Participant Edge Count: 1 · Status: linked
- Knowledge Flow
- Citing Country Count: 3 · Citing Institution Count: 7 · Distinct Citing Work Count: 4 · First Observed Citation Date: 2026-02-04 · Last Observed Citation Date: 2026-06-09 · Observed Citation Edge Count: 4 · Status: bounded_observation
- Research
- Citation Data Output Count: 12 · Cited Output Count: 6 · First Publication Date: 2024-01-01 · Last Publication Date: 2026-02-04 · Open Access Output Count: 11 · Output Count: 12 · Status: linked · Total Citations: 42
- Start Date
- 2023-04-01
Prüf die Quellstände
Ein Quellstand beschreibt, was zum Abrufzeitpunkt verfügbar war. Korrekturen und spätere Veröffentlichungen können künftige Beobachtungen verändern.
Zurück ins vollständige Evidenznetz
Durchsuch alle veröffentlichten Entitäten, prüf Ein-Hop-Nachbarschaften und finde die Brücken, die öffentliche Daten noch nicht tragen.