Teadustöö

põhisuunad

  • Tehisintellekt (artificial intelligence) ja masinõpe (machine learning) keemias: tehisnärvivõrkude ja masinõppe algoritmide rakendamine suurte ja keeruliste andmekogude analüüsis.
  • Kvantitatiivsed ja kvalitatiivsed struktuur-omadus sõltuvused (QSAR): kaasaegse tehnoloogia ja tarkvara disainimine ning kasutamine QSAR mudelite leidmiseks ning nende mudelite rakendamine kemikaalide ja materjalide omaduste ennustamiseks.
  • Biotehnoloogiliste ja makromolekulaarsete süsteemide molekulaardisain: keemiliste ühendite andmebaaside loomine ja analüüs; valkude ja ligandide virtuaal-sõelumine (virtual screening), sh. keemiliste ühendite Adsorptsiooni, Distributsiooni, Metabolismi, Eritumise ja Toksilisuse (ADMET) profiilide analüüs; molekulaarsildamine (molecular docking); molekulaardünaamika.
  • Keemiline süntees ja ainete karakteriseerimine: aktiivsete molekulide modifitseerimine (in silico ↔ süntees), raviainete ja nende kandidaatide absorptsiooni omadused (membraani läbitavuse pH profiilid).
  • Nanomaterjalid: rakendustele orienteeritud süsinikmaterjalide struktuursed omadused
  • Keemialaste andmete haldamine ja andmebaasid: avaandmed keemias ja sellega seotud erialades; FAIR -põhimõtete rakendamine keemialastele andmetele ja in silico mudelitele, ennustusmudelite arhiveerimine ja kättesaadavaks tegemine (www.QsarDB.org ).
  • Keemiainformaatika: informaatika meetodite kasutamine andmekaeves, vajalike omadustega kemikaalide sõelumine, suurandmete ja mitmekesiste andmete analüüs keemias.
  • Ennustav toksikoloogia: metodoloogia ja rakendused materjalide ning keemiliste ühendite keskkonnariskide identifitseerimises ja hindamises, sh. nano-osakeste toksikoloogia.
  • Kvantkeemia: uuringud ja rakendused molekulaarsete süsteemide kirjeldamiseks gaasifaasis ja kondenseeritud keskkondades.
  • Hajusarvutus- ja pilvetehnoloogiatel põhinevad töökeskkonnad arvutikeemias