传统和机器学习策略在基于结构虚拟筛选中的应用

作     者：张宏 高毅勤 Hong Zhang;Yi Qin Gao

作者机构：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 

基　　金：This work was supported by the National Science and Technology Major Project(2022ZD0115003) the National Natural Science Foundation of China(No.92053202,No.92353304,No.22050003,No.21821004,No.21927901) 

出 版 物：《Chinese Journal of Chemical Physics》 (化学物理学报（英文）)

年 卷 期：2024年第37卷第2期

页      码：177-191,I0101,I0102页

摘      要：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,讨赖性较弱,且分布非常冷并在j=1处达到峰值,但(0,1,0)振动态的转论了它们的性能、优势和局限性等方面.

主 题 词：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 

学科分类：12[管理学] 081704[081704] 07[理学] 070304[070304] 08[工学] 1201[管理学-管理科学与工程类] 0817[工学-轻工类] 081104[081104] 0703[理学-化学类] 0835[0835] 0811[工学-水利类] 0702[理学-物理学类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.1063/1674-0068/cjcp2312128

馆 藏 号：203127977...