在的共同晶体设计:评估最新的进展

科学领域:

• 制药科学 制药科学
• 药物发现 药物发现 药物发现
• 材料科学 材料科学 材料科学

背景情况:

• 制药联合晶体提供了一种方法来增强活性制药成分的物理化学特性.
• 共同晶体扩大了药物化合物的可用晶体形式,有助于配方开发.
• 机器学习 (ML) 越来越多地被用于药物发现,显示出显著的潜力.

研究的目的:

• 提供ML,深度学习 (DL) 和基于网络的推方法的全面概述,应用于制药联合结晶.
• 讨论结晶结构预测作为一种补充或替代的策略,以ML在联合结晶研究.

主要方法:

• 关于机器学习应用在制药联合结晶中的当前文献的综述.
• 探索深度学习和基于网络的推系统,以预测共晶形成.
• 分析晶体结构预测技术作为ML驱动方法的替代方案.

主要成果:

• 机器学习,深度学习和基于网络的方法在预测和优化制药联合晶体方面表现有前途.
• 这些计算方法可以加速发现具有更好的物理化学性质的共同晶体.
• 晶体结构预测提供了一种有价值的替代或补充方法,以了解共同晶体的行为.

结论:

• 机器学习和相关的计算技术是推动制药联合结晶研究的强大工具.
• 这些方法的整合可以导致更有效的药物开发和改善治疗结果.
• 对ML和晶体结构预测的进一步研究将对未来的制药联合晶体设计至关重要.