<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <atom:link rel="self" type="application/rss+xml" href="https://researchdata.se/sv/catalogue/search.rss?creatorPerson=0000-0003-1325-6024"/>
    <link>https://researchdata.se/sv/catalogue</link>
    <title>Researchdata.se</title>
    <description>Search results</description>
    <language>sv</language>
    <item>
      <title>Towards Ultimate NMR Resolution with Deep Learning</title>
      <description>Datamängden innehåller bearbetade lösningstillstånds-protein-NMR-spektra för MALT1 (45 kDa), Azurin (14 kDa) och Tau (ostrukturerat, 45,8 kDa), härledda från experimentellt inspelade 2D- och 3D-data som erhållits i tidigare studier och publicerats tidigare:
(1) DOI: 10.1371/journal.pone.0146496; DOI: 10.1007/s12104-022-10105-3;
(2) DOI: 10.1110/ps.0225403;
(3) DOI: 10.1002/anie.202102758.

All bearbetad data lagras i NMRPipe-format (.ft2- och .ft3-filer) och har genererats med hjälp av standardiserade NMR-bearbetningsprocedurer. Datan kan läsas och visualiseras med programvara som är kompatibel med NMRPipe, såsom NMRPipe (https://www.ibbr.umd.edu/nmrpipe/
), Python-paketet nmrglue (https://github.com/jjhelmus/nmrglue
) eller annan programvara som stöder NMRPipe-formatet, inklusive CCPN 3.0 (https://ccpn.ac.uk/
) och senare versioner. Dessa bearbetade spektra används som indatafiler för AI-baserade metoder för att förbättra NMR-spektral upplösning.</description>
      <pubDate>Wed, 04 Mar 2026 10:39:37 GMT</pubDate>
      <link>https://researchdata.se/sv/catalogue/dataset/2025-377</link>
      <guid>https://researchdata.se/sv/catalogue/dataset/2025-377</guid>
      <dc:publisher>Göteborgs universitet</dc:publisher>
      <dc:creator>Tatiana Agback</dc:creator>
      <dc:creator>Vladislav Orekhov</dc:creator>
    </item>
  </channel>
</rss>