在非洲的一个药物发现中心实施的第一个全自动化的AI/ML虚拟查级联
Gemma Turon1, Jason Hlozek2, John G Woodland2,3
1Ersilia Open Source Initiative, Cambridge, UK.
Nature communications
|September 15, 2023
概括
ZairaChem是一种AI/ML工具,可以在资源有限的环境中实现高效的药物发现. 它简化了用于疟疾和结核病研究的定量结构-活动/财产关系 (QSAR/QSPR) 建模.
科学领域:
- 计算化学是一种计算化学.
- 药物发现 药物发现
- 医学中的人工智能.
背景情况:
- 药物发现是复杂的,资源密集的,特别是在资源不足的环境中.
- 量化结构-活动/属性关系 (QSAR/QSPR) 建模的现有方法在计算上可能很苛刻.
- 非洲领先的药物发现部门H3D中心试图整合先进的计算工具.
研究的目的:
- 介绍ZairaChem,一个用于QSAR/QSPR建模的自动化AI/ML工具.
- 在H3D中心在资源有限的环境中展示ZairaChem的实施.
- 为疟疾和结核病药物发现开发一个虚拟查级联.
主要方法:
- ZairaChem被开发为一个完全自动化的AI/ML工具,需要很少的计算资源.
- 在H3D中心进行了端到端的实现,利用了十年的内部数据.
- 为各种药物发现试验创建了一个由15个模型组成的虚拟选级联.
主要成果:
- ZairaChem成功实现了疟疾和结核病药物发现的虚拟查级联的开发.
- 在合成和测试之前对化合物的计算分析,以告知化合物进展.
- 该项目代表了AI/ML工具在低资源研究环境中的大规模部署.
结论:
- ZairaChem是一个有效且易于使用的工具,用于在资源有限的环境中以数据驱动的药物发现.
- 人工智能/ML工具可以显著增强非洲的药物发现工作.
- 在H3D中心的成功实施为其他研究机构提供了典范.
