在非洲药物发现中心正在进行的人工智能/机器学习工具的持续实施和未来验证
Jason Hlozek1, Kelly Chibale1,2, John G Woodland1,2
1Department of Chemistry and Holistic Drug Discovery and Development (H3D) Center, University of Cape Town, Cape Town 7701, South Africa.
ACS medicinal chemistry letters
|July 17, 2024
概括
人工智能和机器学习加速了药物发现. 开源AI/ML工具正在在资源有限的环境中实施,以推进这一过程.
科学领域:
- 计算化学和药理学计算化学和药理学
- 药物的发现和开发.
背景情况:
- 人工智能 (AI) 和机器学习 (ML) 在加速药物发现方面显示出重大前景.
- 开普敦大学的整体药物发现与开发 (H3D) 中心开发了一个端到端的虚拟查级联.
研究的目的:
- 报告开源AI/ML工具的实施情况.
- 为资源有限的环境适应这些工具.
主要方法:
- 使用开源AI/ML软件.
- 将这些工具集成到现有的虚拟选工作流程中.
主要成果:
- 在药物发现计划中持续实施AI/ML工具.
- 适应先进的计算方法用于资源有限的设置.
结论:
- 开源AI/ML工具可以在资源有限的环境中有效实施.
- 这种方法有助于在全球加速药物发现计划.


