QSAR без границ

Прогнозирование биологической активности соединений и их физических свойств является одним из важнейших применений статистических, а в последнее время методов машинного обучения и искусственного интеллекта в химических науках. Эта область исследований, широко известная как моделирование количественных соотношений структура–активность (QSAR), разработала множество важных алгоритмов и за более чем 55 лет нашла широкое применение в физической органической и медицинской химии. В данной перспективной статье подводятся итоги недавних технологических достижений в моделировании QSAR и подчёркивается применимость алгоритмов, методов моделирования и практик валидации, разработанных в QSAR, к широкому кругу исследований за пределами традиционных границ QSAR, включая планирование синтеза, нанотехнологии, материаловедение, биоматериалы и клиническую информатику. По мере того как современные методы исследований порождают всё возрастающие объёмы данных, знание надёжных методов моделирования на основе данных, развитых в области QSAR, может стать необходимым для учёных как в химических, так и в смежных областях. Мы надеемся, что данная работа, выделяя обобщаемые компоненты моделирования QSAR, поможет решить эту задачу.