实施使用机器学习模型的自动化系统,以加快在中识别小分子作为药物候选物的过程
1Department of Bioengineering, University of Health Sciences, Istanbul, Turkiye.
Current medicinal chemistry
|October 11, 2024
概括
这项研究提出了一种使用机器学习 (ML) 的自动化系统,以加速计算药物发现. 通过促进协作和利用高质量的数据,这种方法旨在减少药物开发时间表和成本.
科学领域:
- 计算化学是一种计算化学.
- 生物信息学是一种生物信息学.
- 药理学 药理学是指药理学的学科.
背景情况:
- 药物发现是一个漫长,昂贵和低效的过程,成功率很低.
- 目前的药物研究依赖于in silico方法,如分子对接和模拟.
- 需要更快,更有效的药物开发策略.
研究的目的:
- 提出一个自动化系统,以加快计算药物开发的速度.
- 为了利用机器学习 (ML) 策略来增强药物发现.
- 促进科学家和大学之间的合作,类似于人类基因组项目.
主要方法:
- 为小分子和生物点开发在线数据库.
- 实现用于数据分析和预测的机器学习 (ML) 策略.
- 确保ML模型的高质量数据集和强大的质量保证.
主要成果:
- 机器学习可以应用于各种计算药物发现阶段,包括命中发现和优化.
- 拟议的系统旨在减少未成功的药物候选人数量.
- 预计自动化将减少计算工作量,加快药物设计.
结论:
- 使用ML的协作,自动化系统可以显著加快药物发现速度.
- 这种方法有可能减少将新药推向市场的时间和成本.
- 跨学科的合作对于成功实施这样一个系统至关重要.
更多相关视频
08:31Biosensor-based High Throughput Biopanning and Bioinformatics Analysis Strategy for the Global Validation of Drug-protein Interactions
Published on: December 1, 2020
4.9K
09:39Drug-induced Sensitization of Adenylyl Cyclase: Assay Streamlining and Miniaturization for Small Molecule and siRNA Screening Applications
Published on: January 27, 2014
12.6K
