Jul, 2023

药物发现领域的人工智能：现在已经到达了吗？

PDF
TL;DR药物发现正在适应新技术，如数据科学、信息学和人工智能（AI），以加速有效治疗的开发，同时减少成本和动物实验。 AI 正在改变药物发现的方式，成功的药物发现需要优化与药理动力学、药代动力学和临床结果相关的特性。本文讨论了 AI 在药物发现的三个支柱（疾病、靶点和治疗模式）中的应用，重点关注小分子药物。
发现论文，激发创造
  • 药物发现中的人工智能：应用与技术

    这篇综述介绍了近十年来人工智能在药物研发领域的应用，主要包括分子属性预测和分子生成任务，讨论了数据资源、分子表示方法、基准平台和相关技术，旨在为研究人员提供指导，并提供了一个收集论文和代码的 GitHub 存储库作为学习资源。

    Jun, 2021

  • AI 在药物研发中的作用：挑战、机遇和策略

    本文综述了人工智能在药物发现领域中的优势、挑战、局限性及其可能的应对策略，讨论了数据增强、可解释性人工智能和将人工智能与传统实验方法相结合的潜在优势。总的来说，本文强调了人工智能在药物发现中的潜力，并提供了在这个领域实现其潜力的挑战和机会的见解。

    Dec, 2022

  • 学习发现药物

    此篇论文综述了近期在人工智能方法论中应用于药物发现的最新进展，并将其分为分子序列和几何图形的表征学习、基于数据驱动的推理以及基于知识的推理三个相对稳定的子领域，并探讨了未来可能的研究方向及挑战。

    Feb, 2022

  • 制药中的人工智能个性化顺序决策研究方法、应用和机遇

    药物行业中人工智能的应用已经经历了持续增长的阶段，主要应用于药物研发、个体化医学和癌症等治疗领域。使用先进的机器学习算法，通过考虑环境条件、生活方式和健康历史等因素，可以为每个个体制定定制化的治疗方案，从而优化健康结果。

    Nov, 2023

  • 可解释的人工智能在药物发现和开发中的应用 —— 综述

    人工智能在药物研发领域发挥着重要作用，但复杂的模型需要透明和解释性，因此可解释的人工智能是处理该问题的一种新方法。本文综述了可解释人工智能在药物研发中的最新进展，包括各种方法、应用以及挑战和局限，还探讨了其在目标识别、化合物设计和毒性预测等方面的应用，以及未来的研究方向。该综述旨在全面了解可解释人工智能在药物研发中的现状及其对该领域的潜在影响。

    Sep, 2023

  • 推动人工智能和人类共同创造，加速材料发现

    通过机器学习和 AI 技术，提出了一个支持领域和流程知识管理，结合人工智能协作的工作台框架，以减少时间和机会成本的目的，实现化学空间探索的新型功能材料的发现。

    Nov, 2022

  • 通过人工智能代理赋予生物医学发现能力

    AI 科学家可以通过与实验平台相结合的协作代理，将机器学习工具与生物医学研究相结合，从而通过怀疑性学习和推理提升生物医学研究的能力。

    Apr, 2024

  • 新天地：从实验室到临床的创新性药物研发 —— 行业视角

    生成人工智能在制药研发领域应用的价值链上，从早期发现到监管批准，以三个层次的方法进行探讨，评估已产生影响、即将到来的颠覆性机会和将塑造行业未来的长期转型。这为制药研发领导者制定生成人工智能战略提供了建议，为获取技术的真正价值和确保未来增长奠定基础。

    Dec, 2023

  • 基于人工智能的体外临床试验：综述

    本文系统综述了三个主要主题：临床模拟，个体化预测建模和计算机辅助试验设计，重点关注机器学习在这些应用中的应用，讨论了 AI 在实际应用中 in silico 试验的挑战和机遇。

    Sep, 2022

  • 评估人工智能在预测肿瘤患者不良药物反应中的有效性：一项系统性综述和荟萃分析

    利用人工智能模型预测癌症患者中的不良药物反应，显示高特异性和敏感性，但需要标准化和多中心研究来提高证据质量。

    Apr, 2024