| 研究課題/領域番号 |
23K05660
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分43020:構造生物化学関連
|
|---|
| 研究機関 | 東京都立大学 |
|---|
研究代表者 |
PETER GUENTERT 東京都立大学, 理学研究科, 客員教授 (20392110)
|
|---|
| 研究分担者 |
池谷 鉄兵 東京都立大学, 理学研究科, 准教授 (30457840)
伊藤 隆 東京都立大学, 理学研究科, 教授 (80261147)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円)
2025年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2024年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2023年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | NMR / protein / machine learning / spectra analysis / ARTINA |
|---|
| 研究開始時の研究の概要 |
Using generated training data, we will apply deep learning for (i) a better treatment of time-domain data acquired with non-uniform sampling (NUS) than conventional approaches, (ii) resolution enhancement by virtual decoupling, and (iii) deconvolution of highly overlapped signals. In this way, time-consuming or costly experimental methods for obtaining better NMR spectra can be replaced by computational alternatives, thereby increasing the efficiency, completeness, and quality of NMR spectra analysis.
|
