深度学习在药物设计与发现中的应用

被引：6

作者：

李伟 ^{[1
]}

杨金才 ^{[2
]}

黄牛 ^{[2
,3
]}

机构：

[1] 瑞璞鑫(苏州)生物科技有限公司

[2] 北京生命科学研究所

[3] 清华大学生物医学交叉研究院

来源：

药学学报 | 2019年 / 54卷 / 05期

关键词：

新药研发; 深度学习; 机器学习; 计算化学; 全新药物设计;

D O I：

10.16438/j.0513-4870.2019-0189

中图分类号：

R91 [药物基础科学];

学科分类号：

1007 ;

摘要：

在新药创制的药物设计与发现所采用的多种技术中,深度学习仍处于初级阶段,但近年来以其独有的特点,开始应用于虚拟化合物库的生成,化合物活性、代谢和毒性的预测,以及有机合成反应预测等多个方面。与传统的机器学习方法相比,深度学习的预测能力无明显优势,但其无需人工归纳总结数据特征,而是具有学习能力,自动提取特征。与基于第一性原理的计算化学相比,深度学习虽然因为对标注明晰的大数据集的依赖,存在泛化能力的不足,但其以原子为中心进行卷积的表征开始助力计算化学。深度学习作为新兴技术发展迅速,不依赖于大量标注数据的非监督学习等方法在逐渐完善,有望能更好地助力新药研发。

引用

页码：761 / 767

页数：7

共 17 条

[1] 深度学习在化学信息学中的应用 [J].

徐优俊 ;

裴剑锋 .

大数据, 2017, 3 (02) :45-66

[2] Advancing drug discovery via GPU-based deep learning [J].

Gawehn, Erik ;

Hiss, Jan A. ;

Brown, J. B. ;

Schneider, Gisbert .

EXPERT OPINION ON DRUG DISCOVERY, 2018, 13 (07) :579-582

[3] 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

[4] Repurposing High-Throughput Image Assays Enables Biological Activity Prediction for Drug Discovery [J].

Simm, Jaak ;

Klambauer, Guenter ;

Arany, Adam ;

Steijaert, Marvin ;

Wegner, Jorg Kurt ;

Gustin, Emmanuel ;

Chupakhin, Vladimir ;

Chong, Yolanda T. ;

Vialard, Jorge ;

Buijnsters, Peter ;

Velter, Ingrid ;

Vapirev, Alexander ;

Singh, Shantanu ;

Carpenter, Anne E. ;

Wuyts, Roel ;

Hochreiter, Sepp ;

Moreau, Yves ;

Ceulemans, Hugo .

CELL CHEMICAL BIOLOGY, 2018, 25 (05) :611-+

[5]

De Novo Design of Bioactive Small Molecules by Artificial Intelligence[J] . Dr. Daniel Merk,Lukas Friedrich,Dr. Francesca Grisoni,Prof. Dr. Gisbert Schneider.Molecular Informatics . 2018 (1-2)

[6]

From machine learning to deep learning: progress in machine intelligence for rational drug discovery[J] . Lu Zhang,Jianjun Tan,Dan Han,Hao Zhu.Drug Discovery Today . 2017 (11)

[7]

The RCSB protein data bank: integrative view of protein, gene and 3D structural information[J] . Peter W. Rose,Andreas Prlic?,Ali Altunkaya,Chunxiao Bi,Anthony R. Bradley,Cole H. Christie,Luigi Di Costanzo,Jose M. Duarte,Shuchismita Dutta,Zukang Feng,Rachel Kramer Green,David S. Goodsell,Brian Hudson,Tara Kalro,Robert Lowe,Ezra Peisach,Christopher Randle,Alexander S. Rose,Chenghua Shao,Yi-Ping Tao,Yana Valasatava,Maria Voigt,John D. Westbrook,Jesse Woo,Huangwang Yang,Jasmine Y. Young,Christine Z

[8] The ChEMBL database in 2017 [J].

Gaulton, Anna ;

Hersey, Anne ;

Nowotka, Michal ;

Bento, A. Patricia ;

Chambers, Jon ;

Mendez, David ;

Mutowo, Prudence ;

Atkinson, Francis ;

Bellis, Louisa J. ;

Cibrian-Uhalte, Elena ;

Davies, Mark ;

Dedman, Nathan ;

Karlsson, Anneli ;

Magarinos, Maria Paula ;

Overington, John P. ;

Papadatos, George ;

Smit, Ines ;

Leach, Andrew R. .

NUCLEIC ACIDS RESEARCH, 2017, 45 (D1) :D945-D954

[9]

BIGCHEM: Challenges and Opportunities for Big Data Analysis in Chemistry[J] . Igor V. Tetko,Ola Engkvist,Uwe Koch,Jean‐Louis Reymond,Hongming Chen.Molecular Informatics . 2016 (11-1)

[10] A renaissance of neural networks in drug discovery [J].

Baskin, Igor I. ;

Winkler, David ;

Tetko, Igor V. .

EXPERT OPINION ON DRUG DISCOVERY, 2016, 11 (08) :785-795

← 1 2 →