人工智能:用于选大型数据库和药物发现的机器学习方法

科学领域:

• 计算化学是一种计算化学.
• 药物发现 药物发现
• 生物信息学是一种生物信息学.

背景情况:

• 药物发现面临着疾病爆发和药物耐药性等挑战.
• 虚拟查是从大型分子数据库中识别药物点的关键计算机辅助方法.
• 深度学习和人工神经网络显著提升了药物发现过程.

研究的目的:

• 审查人工智能 (AI) 和机器学习 (ML) 在大型分子数据库的虚拟选中的应用.
• 突出AI/ML技术在药物发现中的优点,缺点和潜在危害,重点关注抗病毒药物和传染病.

主要方法:

• 对AI/ML在药物发现和虚拟查中的应用进行现有文献的审查.
• 分析AI/ML工具及其在各种药物发现过程中的使用.
• 讨论AI/ML工具从非传染性疾病研究转化为传染性疾病研究.

主要成果:

• 人工智能/ML算法已经现代化了各种药物发现阶段,包括虚拟查,毒性预测和药物重新定位.
• 许多网络服务器和AI/ML工具可用于选化学数据库.
• 应用AI/ML工具存在挑战,主要是针对非传染性疾病开发的工具,以发现传染病治疗方法.

结论:

• 通过虚拟查,AI/ML为加速识别新型抗病毒和其他治疗剂提供了显著的潜力.
• 解决AI/ML的局限性和潜在危害对于成功转化为传染病药物发现至关重要.
• 需要进一步的研究来优化AI/ML方法来应对传染病的挑战.