首页|传统和机器学习策略在基于结构虚拟筛选中的应用

传统和机器学习策略在基于结构虚拟筛选中的应用

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
计算机辅助药物发现和人工智能驱动药物设计在制药行业中是减少时间和经济成本的重要策略.其中具有代表性的方法包括虚拟筛选、蛋白质-配体相互作用评估、药物药代动力学性质预测以及药物设计.通常来说,虚拟筛选是药物发现的第一步,其主要目标是识别和发现潜在的先导化合物的候选物.在过去的几十年里,已经开发了多种传统的和基于机器学习的方法来提高虚拟筛选的准确性和速度.本综述总结了传统和机器学习方法在基于结构的虚拟筛选中的应用,讨论了它们的性能、优势和局限性等方面.
Traditional and Machine Learning Approaches in Structure-Based Drug Virtu-al Screening
Computer-aided drug discovery(CADD)and artificial intelligence-driven drug design(AIDD)repre-sent highly efficient strategies aimed at decrease time and eco-nomic expenditures in the pharma-ceutical industry,and the repre-sentative approaches include vir-tual screening,prediction of pro-tein-ligand interaction and drug pharmacokinetic properties,and drug design.Generally,vir-tual screening is the initial step in drug discovery,with the primary objective of identifying and generating potential candidates for lead compounds.In the past decades,several tradi-tional and machine-learning based methods have been developed to improve the accuracy and speed of virtual screening.This review discusses the development of advanced structure-based virtual screening methods by both traditional and machine learning approaches,including their performance,strength and limitations.

Molecular dockingMachine learningStructure-based virtual screeningCom-puter-aided drug discoveryArtificial intelligence-driven drug design

张宏、高毅勤

展开 >

昌平实验室,北京 102200

北京大学化学与分子工程学院,北京 100871

北京大学生物医学前沿创新中心,北京 100871

分子对接 机器学习 基于结构的虚拟筛选 计算机辅助药物发现 人工智能驱动药物设计

国家科技重大专项国家自然科学基金国家自然科学基金国家自然科学基金国家自然科学基金国家自然科学基金

2022ZD01150039205320292353304220500032182100421927901

2024

10.1063/1674-0068/cjcp2312128

化学物理学报(英文版)
中国物理学会

化学物理学报(英文版)

CSTPCDEI
影响因子：0.162
ISSN：1674-0068
年,卷(期)：2024.37(2)
  • 140