一个初学者对深度学习的方法,应用于VS和MD技术.
Stijn D'Hondt1, José Oramas2, Hans De Winter3
1Laboratory of Medicinal Chemistry, Department of Pharmaceutical Sciences, IDLab, University of Antwerp, Universiteitsplein 1, 2610, Wilrijk, Belgium.
Journal of cheminformatics
|April 8, 2025
概括
深度学习 (DL) 增强了计算化学和分子建模,为虚拟选 (VS) 和分子动力学 (MD) 模拟提供了解决方案. 本综述探讨了DL的应用,以提高药物发现和生物物理研究的效率和准确性.
科学领域:
- 计算化学的计算化学
- 药用化学 医学化学
- 生物化学 生物化学
- 机器学习 机器学习
背景情况:
- 计算化学和分子建模是现代药物开发的组成部分.
- 包括虚拟选 (VS) 和分子动力学 (MD) 模拟在内的in silico方法在药物发现和生物物理研究中不可或缺.
- 现有的VS和MD方法在硬件和算法方面存在局限性.
研究的目的:
- 为分子建模中最近的深度学习 (DL) 应用提供全面的审查.
- 引导计算化学家将DL整合到他们的研究中.
- 为了在分子建模中巩固DL的分散知识.
主要方法:
- 该审查调查了DL在各种分子建模工作流程中的最近应用.
- 章节由DL集成点组织起来:改进VS,增强MD模拟,帮助计算原子间力,分析MD轨迹.
主要成果:
- 深度学习为克服传统VS和MD方法的局限性提供了解决方案.
- DL可以导致更准确,更有效的分子建模结果.
- DL应用程序加快了对模拟结果的数据分析.
结论:
- 深度学习有可能彻底改变分子建模技术.
- 整合DL可以显著提高药物发现和生物物理研究的效率和准确性.
- 为计算化学家鼓励进一步探索和采用DL.
更多相关视频
09:34A Virtual Machine Platform for Non-Computer Professionals for Using Deep Learning to Classify Biological Sequences of Metagenomic Data
Published on: September 25, 2021
3.9K
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.6K
