AI辅助药物研发进展

药物开发成本持续攀升,人们亟需有效降低风险、时间、成本和资源投入的新药物研究方法。后基因组时代大量丰富可获取的生物数据,极大促进了人工智能方法应用于药物研发领域,如药物靶标发现与确认、虚拟筛选、从头药物设计、ADMET性质预测等。本文旨在捕捉药物研发流程中一些重要的人工智能药物研发相关技术模型和学习范式,阐述其优势和局限性,并对未来药物发现进行展望。最后,在人工智能模型的可解释性、数据要求、可重复性、建模挑战等方面提出了具体意见,期望能为人工智能从药物靶标发现到临床前研究整个药物研发流程赋能,缩短药物的研发周期,提高新药发现效率。