对于识别新生物活性化合物和人工智能贡献的架子跳跃方法

科学领域:

• 药物化学和计算机化药物设计
• 人工智能在制药中的应用

背景情况:

• 药物开发是昂贵和耗时的,临床试验的失败率很高.
• 计算机辅助药物设计 (CADD) 和人工智能 (AI) 对于提高效率至关重要.
• 结构优化对于实现所需的药理动力学特征至关重要,包括口服生物可用性.

研究的目的:

• 审查最近关于人工智能驱动的脚手架跳跃的文献,以识别和优化生物活性化合物.
• 探索传统药物化学技术和AI在药物发现中的协同潜力.
• 讨论AI在制药研究中的挑战和未来方向.

主要方法:

• 从科学网,PubMed和谷歌学者的文章进行系统的文献审查.
• 对用于识别新生物活性化合物的AI工具和深度学习模型的分析.
• 专注于脚手架跳跃策略,包括药模拟,碎片链接和分子重组.

主要成果:

• 人工智能驱动的脚手架跳跃在产生新的生物活性化合物方面显示出有希望的结果.
• 人工智能工具促进了针对各种生物点的分子设计,其性能得到了改进.
• 人工智能和脚手架跳跃的结合显著提高了药物发现过程的效率.

结论:

• 与人工智能集成的跳楼跳跃是加速发现新疗法的有力策略.
• 解决数据质量,可解释性,监管和团队培训方面的挑战对于更广泛的AI采用至关重要.
• 人工智能和脚手架跳跃有望提供具有增强有效性和安全性概况的创新药物.