典型文献
人工智能药物发现研究体系的构建及实践
文献摘要：
新型靶向药物的研发具有费用高、周期长、成功率低的特点,其最大瓶颈在于研发过程中存在诸多不确定性因素,如靶点有效性、模型的可靠性等问题,需要通过大量实验予以确认.而在药物研发过程中引入人工智能技术,应用机器学习及深度学习算法提取分子结构特征、分析药物-靶标相互作用、构建药物-疾病-蛋白质之间的联系,可以在不同研发环节建立具有较高准确率的预测系统,并可减少各个研发环节的不确定性,从而缩短研发周期、降低试错成本、提高研发成功率.本文综述了机器学习和深度学习在人工智能药物研发中的构建及实践,以期为新药研发提供理论依据.
文献关键词：
机器学习;深度学习;人工智能;新药发现
中图分类号：
作者姓名：
张志豪;周吟玦;姜慧君;蒋南
作者机构：
南京医科大学药学院,南京211166
文献出处：
引用格式：
[1]张志豪;周吟玦;姜慧君;蒋南-.人工智能药物发现研究体系的构建及实践)[J].中国新药杂志,2022(13):1294-1303
A类：
B类：
药物发现,研究体系,靶向药物,大瓶,研发过程,不确定性因素,药物研发,深度学习算法,取分,分子结构,靶标,预测系统,研发周期,试错,发成,新药研发,新药发现
AB值：
0.361208
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
