人工智能在药物发现中的应用与挑战

被引：16

作者：

梁礼

邓成龙

张艳敏

滑艺

刘海春

陆涛

陈亚东

机构：

[1] 中国药科大学理学院

来源：

药学进展 | 2020年 / 44卷 / 01期

关键词：

人工智能; 机器学习; 深度学习; 药物研发;

D O I：

暂无

中图分类号：

R91 [药物基础科学]; TP18 [人工智能理论];

学科分类号：

1007 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

新药研发存在周期长、费用高和成功率低等特点。人工智能技术是近些年来的热点技术之一,在很多领域都有非常广泛的应用,多种人工智能方法已经成功应用于药物的发现过程。综述总结了常用机器学习方法和深度学习方法在药物研发领域中的应用,同时也提出了人工智能存在的问题和面临的挑战。整体而言,人工智能技术在药物研发领域发展潜力巨大,将为医药发展带来新的机遇和希望。

引用

页码：18 / 27

页数：10

共 12 条

[1] 基于机器学习方法虚拟筛选Syk的抑制剂 [J].

王洁雪 ;

李瑶 ;

杨敏 ;

王琪慧 ;

邓国伟 ;

杨帆 ;

李秉轲 .

化学研究与应用, 2019, 31 (07) :1313-1320

[2]

Artificial intelligence in drug design[J]. Feisheng Zhong,Jing Xing,Xutong Li,Xiaohong Liu,Zunyun Fu,Zhaoping Xiong,Dong Lu,Xiaolong Wu,Jihui Zhao,Xiaoqin Tan,Fei Li,Xiaomin Luo,Zhaojun Li,Kaixian Chen,Mingyue Zheng,Hualiang Jiang. Science China(Life Sciences). 2018(10)

[3] 随机森林理论浅析 [J].

董师师 ;

黄哲学 .

集成技术, 2013, 2 (01) :1-7

[4] The rise of deep learning in drug discovery [J].

Chen, Hongming ;

Engkvist, Ola ;

Wang, Yinhai ;

Olivecrona, Marcus ;

Blaschke, Thomas .

DRUG DISCOVERY TODAY, 2018, 23 (06) :1241-1250

[5]

Protein flexibility oriented virtual screening strategy for JAK2 inhibitors[J] . Xiao Xiong,Haoliang Yuan,Yanmin Zhang,Jinxing Xu,Ting Ran,Haichun Liu,Shuai Lu,Anyang Xu,Hongmei Li,Yulei Jiang,Tao Lu,Yadong Chen. Journal of Molecular Structure . 2015

[6] Computational prediction of anti HIV-1 peptides and in vitro evaluation of anti HIV-1 activity of HIV-1 P24-derived peptides [J].

Poorinmohammad, Naghmeh ;

Mohabatkar, Hassan ;

Behbahani, Mandana ;

Biria, Davood .

JOURNAL OF PEPTIDE SCIENCE, 2015, 21 (01) :10-16

[7]

Decision trees to characterise the roles of permeability and solubility on the prediction of oral absorption[J] . Danielle Newby,Alex. A. Freitas,Taravat Ghafourian. European Journal of Medicinal Chemistry . 2014

[8] Inhibitors for the hepatitis C virus RNA polymerase explored by SAR with advanced machine learning methods [J].