典型文献
深度学习模型在中药毒性预警中的应用和前景
文献摘要：
中药潜在毒性成分的早期筛查是中药新药研发面临的一大难题.在基于"结构预警子-毒性"关系开发的机器学习模型中,使用深度学习算法构建的机器学习模型脱颖而出,有望成为新一代中药毒性预测的杰出工具.本文综述了深度学习模型基于"结构预警子-毒性"关系预测化合物毒性的机制以及深度学习模型在预测药物分子的毒性、预测反应性代谢产物的形成和致毒的生物学靶标中的具体应用,指出中药毒性成分数据匮乏带来的挑战和模型的"黑箱"问题,并提出深度学习模型进一步应用于挖掘中药毒性成分结构和生物学特性中的展望,以期借助人工智能技术解决中药毒性预测这一难题.
文献关键词：
深度学习模型;毒性预测;中药;结构预警子;人工智能
中图分类号：
作者姓名：
颜彩琴;范睿琦;宁雨坪;郭宪;王凯
作者机构：
天津中医药大学中药学院,天津 301617;南开大学人工智能学院,天津 300350
文献出处：
引用格式：
[1]颜彩琴;范睿琦;宁雨坪;郭宪;王凯-.深度学习模型在中药毒性预警中的应用和前景)[J].中国药理学与毒理学杂志,2022(03):231-240
A类：
结构预警子
B类：
深度学习模型,中药毒性,潜在毒性,毒性成分,早期筛查,中药新药研发,发面,机器学习模型,使用深度,深度学习算法,脱颖而出,毒性预测,杰出,出工,药物分子,测反,反应性,代谢产物,靶标,成分数据,数据匮乏,黑箱,生物学特性,助人
AB值：
0.271609
相似文献
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。
