人工智能方法在酶标分析:进步和挑战
Shukai Gu1, Huanxiang Liu2, Liwei Liu3
1College of Pharmaceutical Sciences, Zhejiang University, Hangzhou 310058, Zhejiang, China.
Drug discovery today
|October 7, 2023
概括
机器学习和深度学习模型改善了用于药物发现的酶分析. 这些定量结构-活性关系 (QSAR) 方法有助于优化药物和预测副作用.
科学领域:
- 生物化学和分子生物学
- 计算化学的计算化学
- 药理学 药理学是指药理学的学科.
背景情况:
- 激酶调节细胞过程,使它们成为关键的治疗点.
- 精确的激酶分析对于药物发现至关重要,解决选择性和预测副作用.
研究的目的:
- 审查机器学习 (ML) 和深度学习 (DL) 基于定量结构-活动关系 (QSAR) 模型的进步.
- 突出ML/DL中的趋势,挑战和未来方向.
主要方法:
- 关于ML和DL在酶分析中的应用的最新文献的综述.
- 专注于定量结构-活动关系 (QSAR) 模型.
主要成果:
- 基于ML和DL的QSAR模型显示,在激酶分析方面取得了显著进展.
- 这些模型有助于优化,药物重新定位和理解药物的副作用.
结论:
- 基于ML/DL的QSAR模型是用于激酶药物发现的强大工具.
- 未来的工作应该集中在实验数据集构建和先进模型架构上.


