Расцвет глубокого обучения в разработке лекарственных средств
The rise of deep learning in drug discovery
2018-01-31
SCID: 54.1/7ypk8rz9
Discuss with AI
предсказание биоактивностидизайн молекул de novoглубокое обучениеоткрытие лекарствпредсказание синтеза
Figures from the paper
Abstract (AI)
За последнее десятилетие глубокое обучение добилось выдающихся успехов в различных областях исследований в сфере искусственного интеллекта. Развившись на основе предшествующих исследований искусственных нейронных сетей, эта технология продемонстрировала более высокую эффективность по сравнению с другими алгоритмами машинного обучения в таких областях, как распознавание изображений и речи, обработка естественного языка и других. В последние годы появилась первая волна применения глубокого обучения в фармацевтических исследованиях; его возможности вышли за рамки прогнозирования биоактивности и продемонстрировали перспективность решения широкого круга задач в разработке лекарственных средств. Будут рассмотрены примеры, охватывающие прогнозирование биоактивности, дизайн молекул de novo, прогнозирование синтеза и анализ биологических изображений.
Key Findings
1
Глубокое обучение показало полезность в анализе биологических изображений, расширив свою роль в фармацевтических исследованиях.
2
За последнее десятилетие глубокое обучение стало важным подходом в открытии лекарств, выйдя за рамки традиционных применений искусственного интеллекта.
3
Глубокое обучение применяется для прогнозирования синтеза, помогая планировать или оценивать химические маршруты.
4
Глубокое обучение демонстрирует перспективность для de novo-дизайна молекул, поддерживая вычислительное создание новых кандидатов в лекарства.
5
Первые фармацевтические применения глубокого обучения вышли за пределы прогнозирования биоактивности и охватили различные задачи поиска лекарств.
Research Object
применение глубокого обучения в разработке лекарственных средств
Research Subject
эффективность и применимость глубокого обучения для прогнозирования биоактивности, молекулярного дизайна de novo, прогнозирования синтеза и анализа биологических изображений
Publication Details
Publication Date
2018-01-31
Journal
Publisher
ISSN
Cited by
1881
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai8
XGBoost2016
Полуобучаемая классификация с использованием графовых сверточных сетей2016
Генеративно-состязательные сети2020
WordNet1995
Нейронная передача сообщений для квантовой химии2017
Автоматическое проектирование химических соединений с использованием управляемого данными непрерывного представления молекул2018
MoleculeNet: эталонный набор для машинного обучения молекул2017
Обнаружение уязвимостей, специфичных для функциональности, путем поиска индивидуальных эквивалентных по функциональности API в открытых репозиториях2025
Работы, цитирующие эту статью9
Обзор глубокого обучения: концепции, архитектуры сверточных нейронных сетей, проблемы, применения и перспективные направления2021
Научное машинное обучение с использованием физически информированных нейронных сетей: современное состояние и дальнейшие перспективы2022
GPT (генеративно предварительно обученный трансформер): всесторонний обзор обеспечивающих технологий, потенциальных применений, возникающих проблем и перспективных направлений2024
Молекулярные представления в разработке лекарственных средств с использованием искусственного интеллекта: обзор и практическое руководство2020
Искусственный интеллект в разработке лекарственных средств: последние достижения и перспективы2021
Компьютерная разработка лекарств и открытие препаратов: перспективный анализ2023
Двухэтапное машинное обучение обеспечивает оптимизированный синтез наночастиц2021
SyntaLinker: автоматическое соединение фрагментов с использованием глубоких условных трансформерных нейронных сетей2020
Объединение автоматизированных процессов получения органоидов с анализом на основе искусственного интеллекта: возможности создания нового поколения междисциплинарных высокопроизводительных скринингов при болезни Паркинсона и за её пределами2021