Publication

β-peptides: twisting and turning

Karl Gademann
1999
Article

Résumé

With 71 refs., this review presents various aspects of beta-peptides (oligomers of beta-amino acids): synthesis, structure detn. by NMR and CD, thermal stability properties, helical and beta-pleated secondary structures, peptide folding, biol. and pharmacokinetic activities.

Source officielle

https://infoscience.epfl.ch/record/95734?ln=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.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Connectez-vous pour utiliser Chat avec Graph Search

β-peptides: twisting and turning

Graph Chatbot

Chattez avec Graph Search

Indication of 310-Helix Structure in Gas-Phase Neutral Pentaalanine

Structure-Property Relationships in Complex Materials by Combining Supervised and Unsupervised Machine Learning

Assessment of transferable forcefields for protein simulations attests improved description of disordered states and secondary structure propensities, and hints at multi-protein systems as the next challenge for optimization

Indication of 310-Helix Structure in Gas-Phase Neutral Pentaalanine

Structure-Property Relationships in Complex Materials by Combining Supervised and Unsupervised Machine Learning

Assessment of transferable forcefields for protein simulations attests improved description of disordered states and secondary structure propensities, and hints at multi-protein systems as the next challenge for optimization