Современные разработка и открытие лекарственных препаратов на основе технологий искусственного интеллекта и машинного обучения

Artificial Intelligence and Machine Learning Technology Driven Modern Drug Discovery and Development
Biswadeep Das, Vikram Singh Rawat, Chayna Sarkar, Julie Birdie Wahlang, Arvind Nongpiur, Iadarilang Tiewsoh, Nari Mary Lyngdoh, Debasmita Das, Manjunath Bidarolli, Hannah Theresa Sony, Debasmita Das, Manjunath Bidarolli
2023-01-19

искусственный интеллекткомпьютеризированный поиск лекарствглубокое обучениемашинное обучениемедицинская химия
Открытие и совершенствование лекарственных средств можно рассматривать как важнейшее направление трансляционной науки, способствующее укреплению здоровья и повышению качества жизни людей. Однако разработка нового лекарственного препарата представляет собой чрезвычайно сложный, дорогостоящий и длительный процесс: обычно он требует около 2,6 млрд долларов США и в среднем занимает 12 лет. Поиск методов снижения затрат и ускорения открытия новых лекарственных средств обусловил интенсивное и целенаправленное обсуждение этих вопросов в фармацевтической промышленности. Применение искусственного интеллекта (ИИ), особенно методов глубокого обучения (ГО), стало возможным благодаря использованию структурированных больших данных, значительному повышению вычислительной мощности и развитию облачного хранения во всех областях. ИИ придал новый импульс компьютерному открытию лекарственных средств. Широкое внедрение машинного обучения (МО), особенно глубокого обучения, во многих научных дисциплинах, а также технологические усовершенствования вычислительного аппаратного и программного обеспечения поддерживают этот прогресс. Алгоритмы машинного обучения широко применяются для компьютерного открытия лекарственных средств. Методы глубокого обучения, такие как искусственные нейронные сети (ИНС), включающие несколько скрытых вычислительных слоёв, в последнее время переживают новый подъём благодаря способности автоматически извлекать признаки из входных данных и выявлять нелинейные взаимосвязи между входами и выходами. Эти особенности методов глубокого обучения расширяют возможности классических методов машинного обучения, основанных на молекулярных дескрипторах, разработанных человеком. Значительная часть первоначальной настороженности относительно применения ИИ в фармацевтических исследованиях начала ослабевать, что способствует развитию медицинской химии. Ожидается, что ИИ в сочетании с современными экспериментальными технологиями придаст новый импульс поиску новых и усовершенствованных лекарственных средств, сделав его более быстрым, экономичным и эффективным. Методы, основанные на глубоком обучении, лишь недавно начали применяться для решения ряда фундаментальных задач открытия лекарственных средств. Многие технологии...
1
Искусственный интеллект и машинное обучение всё активнее обеспечивают компьютеризированный поиск лекарств благодаря большим данным, более мощным вычислениям и облачному хранению.
2
Традиционная разработка лекарств характеризуется высокой стоимостью и длительностью: обычно требуется около 2,6 млрд долларов США и 12 лет.
3
Глубокое обучение дополняет классические методы машинного обучения, основанные на молекулярных дескрипторах, созданных вручную.
4
Методы глубокого обучения, включая многослойные искусственные нейронные сети, способны автоматически извлекать признаки и моделировать нелинейные зависимости во входных данных.
5
В аннотации утверждается, что сочетание ИИ с современными экспериментальными технологиями может сделать разработку лекарств более быстрой, экономичной и эффективной.

современные процессы открытия и разработки лекарственных средств

применение искусственного интеллекта и машинного обучения, особенно глубокого обучения, для ускорения и снижения стоимости открытия и разработки лекарственных средств

Publication Details
Publication Date
2023-01-19
Journal
Publisher
ISSN
Cited by
366
Access Type
Author Information
Authors
Biswadeep Das
Vikram Singh Rawat
Chayna Sarkar
Julie Birdie Wahlang
Arvind Nongpiur
Iadarilang Tiewsoh
Nari Mary Lyngdoh
Debasmita Das
Manjunath Bidarolli
Hannah Theresa Sony
Debasmita Das
Manjunath Bidarolli
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%