近日,我校華西醫院生物治療國家重點實驗室楊勝勇教授團隊和瑞士蘇黎世聯邦理工學院Gisbert Schneider教授團隊在化學領域權威期刊Chemical Reviews雜誌(IF:54.301)在線發表了題為“Concepts of Artificial Intelligence for Computer-Assisted Drug Discovery”的綜述論文。論文第一作者為華西醫院生物治療國家重點實驗室楊欣博士,通訊作者為華西醫院生物治療國家重點實驗室楊勝勇教授和瑞士蘇黎世聯邦理工學院Gisbert Schneider教授,論文第一完成單位為四川大學華西醫院生物治療國家重點實驗室。
近年來,以深度學習(deep learning)為代表的人工智能(artificial intelligence, AI)技術獲得快速的發展,被認為是新一輪科技革命和產業變革的重要驅動力量,同時也為加快創新藥物研發帶來了新的希望,推動藥物研發從傳統的以靶點和結構信息為核心,逐漸轉變為以數據和算法為核心的模式。目前,深度學習已成功地應用於圖形圖像識別、自動駕駛、人類智力遊戲等領域,並獲得了巨大的成功。雖然如此,由於創新藥物研發本身的一些特殊性,例如分子表征、小樣本等,以及常用的深度學習方法的不足,導致深度學習在創新藥物研發中的應用受到諸多限製。
該論文全麵綜述了人工智能算法在藥物研發中的應用。在介紹了在本領域中常用算法的基本原理後,文章進一步詳細全麵地綜述了人工智能算法在基於結構或配體的虛擬篩選、從頭藥物分子設計、藥代動力學性質預測、老藥新用及相關方麵所取得的進展,對文獻所報道的模型的優缺點進行了對比。此外,作者對人工智能算法在藥物發現的其他新興領域(如大數據驅動的精準醫療和多靶標小分子設計、藥物分子可合成性分析等)的發展進行了深度概述。最後,作者總結了人工智能驅動的藥物發現領域麵臨的挑戰和局限性,並指出了該領域未來潛在的突破方向。
① 凡本站注明“稿件來源:beplay2网页登录”的所有文字、圖片和音視頻稿件,版權均屬本網所有,任何媒體、網站或個人未經本網協議授權不得轉載、鏈接、轉貼或以其他方式複製發表。已經本站協議授權的媒體、網站,在下載使用時必須注明“稿件來源:beplay2网页登录”,違者本站將依法追究責任。
② 本站注明稿件來源為其他媒體的文/圖等稿件均為轉載稿,本站轉載出於非商業性的教育和科研之目的,並不意味著讚同其觀點或證實其內容的真實性。如轉載稿涉及版權等問題,請作者在兩周內速來電或來函聯係。