没有合适的资源?快使用搜索试试~ 我知道了~
首页人工智能驱动的多靶点药物设计:革新生命科学发现
在"生命科学中的人工智能应用于多靶点药物设计"这篇文章中,作者深入探讨了人工智能系统在药物发现领域的革新性应用,特别是在设计多靶点药物方面。传统的药物开发往往侧重于单靶点药物,旨在减少副作用,但近年来,随着对复杂疾病发病机制理解的深化,多靶点药物策略逐渐受到重视。文章强调了机器学习(ML)和深度学习(DL)技术,特别是多任务深度神经网络在从头设计多靶点化合物过程中的关键作用。 文章首先回顾了"一个靶点,一种药物"的传统理念及其局限性,指出过度的靶向可能导致治疗不足或副作用。然后,它详细介绍了几种先进的方法,如经典的机器学习算法、生成模型和多任务学习,这些技术通过模拟和预测化合物的多目标特性,显著提高了药物设计的效率和成本效益。从头设计药物是指完全依靠计算而非自然途径合成新化合物,这种方法借助AI的智能,能够迅速生成大量潜在的多靶点候选分子。 文中提到了几个具有影响力的案例研究,展示了人工智能在多靶点药物设计方面的实际成果,这些成果为治疗多种疾病提供了新的可能性,比如针对糖尿病、癌症等疾病的复合疗法。同时,文章还关注了计算工具如CADD(化学和药物属性的预测)在辅助药物筛选中的作用。 总结来说,本文是一篇综述性的研究,深入剖析了人工智能在药物发现领域,尤其是在多靶点药物设计上的突破,展示了这一技术如何挑战传统药物开发模式,推动医学治疗的进步。通过整合和优化机器学习算法,人工智能正在为未来的个性化医疗和精准药物设计开辟新的路径。
资源详情
资源推荐
![](https://csdnimg.cn/release/download_crawler_static/88607637/bg3.jpg)
J.T. Moreira-Filho
,
M.F.B.
达席尔瓦,
J.V.V.B. Borba
等人
生命科学中的人工智能
3
(
2023
)
100055
药物发现领域进入 因此,可以在不同类别的公共领域数据库中找到大量
数据,包括:生物活性数据库(和)三维结
构数据库(蛋白质数据库())蛋白质蛋白质相互作用
数据库(和)途径基因组数据库(
和 ) 化学 到学 数据库(
和充分利用这些丰富的数据来源是化学信息学和计算机辅
助药物设计()领域的研究人员的高度兴趣。
已经开发了许多
计算机
方法来接近数据驱动的多靶点药物设计。这
些方法通常被分类为基于配体的(例如,药效团建模)或基于结构(例
如,分子对接),这取决于配体和结构信息是否可用。然而,探索
这些工具的潜力仍未开发,因为大多数药物发现
的计算机
实例都是单靶
向的。因此,需要创新技术来处理复杂的数据并将其转化为有用的信
息,从而实现数据驱动的决策以及随后的具有广谱作用的多靶点药物的
开发
近年来,基于机器学习()的人工智能()方法已成为改善多
靶点药物设计决策的有前途的替代方案,,。是的一个子
领域,它使用不同的算法使计算机能够根据过去的观察做出有效的预
测,而无需不断地编程来完成这项任务这些方法能够处理多目标优化
()问题,例如发现多目标化合物,导航庞大的数据集,并允许更
好的决策。在这篇综述中,我们重点介绍了用于多靶点药物自动化
设计的技术的最新进展。我们还强调了实施创新工作流程的文献实
例,并对现有陷阱提出了可能的解决方案
2.
机器学习方法
多年前,经典的定量构效关系()建模开始使用线性模型
(如线性回归和k最近邻)来预测化学性质从世纪初开始,
方法发展到更复杂和非线性的方法,特别是决策树(),随机森
林()和支持向量机(),。由一组规则组成,这些规
则能够在分子特征(表示为分子描述符)和化合物的活性之间建立关系
,。
是树形的,在顶部呈现一个根节点,数据在此被划分为分支。这
些分支将继续分成逐渐变小的子集,直到到达结果(表示为叶节点)
,。易于解释和验证,并且足够灵活,可以处理数值和分类输
入以及多类问题,,。的缺点包括损失 噪声或不完整数据
中的性能,以及对高方差数据的敏感性(即,小的变化可能导致不同的
数据分割和错误传播),。减轻偏差和方差问题的一种方法是使
用的集合。从这个意义上说,一个最广泛使用和性能最好的集成
算法 是(图),。包括使用从具有替换的训练数据获得
的不同子集构建的个体的集合。此后,获得对未见过的数据的预
测
通过多数投票(分类)或预测(回归),
个别树
另一种非线性方法是由及其同事开发的算法,
。是一种有监督的算法,能够为化合物属性活性预测执
行回归和分类任务。 如图支持向量机将原始的分子描述符空间
转化为高维特征
图二.
分类过程基于
(a)
随机森林和
(b)
支持向量机。
空间,其中样本可以是线性可分的。这种映射是通过使用核函数
来实现的(例如,多项式、线性、形或径向基)。然后,一个
超平面,最好地分离不同类别的化合物(例如,活动非活动)是通
过使用每个类别(支持向量)的最近数据点跟踪的较大边缘(支持超
平面)的定义生成的,,。因此,看不见的化合物也被映射
到这个高维 特征空间中,并根据它们所在的边界的一侧进行分类
。是用于预测化学和生物性质的最佳算法之一,这要归功于
其处理复杂、非线性、高维和噪声问题的能力,,,。
然而,根据数据集,特征空间和内核的大小,可能在计算上很昂
贵。
和同事开发了,,前馈深度
神经网络(,见第节)和图形卷积神经网络(),以基于从
等多个数据源检索的筛选试验和激酶抑制剂数据来识别混杂和
非混杂化合物。然后,使用混杂差异()标准将化合物分为不同类
别,其中对一个靶标有活性的化合物或始终无活性的化合物(筛选分
子: 和 )被视为非混杂的,而对个或更多靶标有活性的
化合物(≥ )被视为混杂的。对于、和模型,化合物使
用直径为个相互作用的扩展连接性指纹( )表示,并表示为
的化学图。一般来说,所有模型都是预测性的,总体准确率约为
, 方 法 之 间 的 差 异 很 小 。 在 另 一 项 研 究 中 , 和
研究了多标签预测模型( 即, 能够处理两类以 上的模
型),其中化合物使用模型呈现针对不同靶组合的活性。首先,从
数据库中
对三种细胞色素亚型和三种不同的胡萝卜素原酶进行了研
究。所有化合物均使用 表示然而,生成的标准模型无法区分
具有重叠但不同活性特征的化合物。然后,通过加权,提出了一种支持
向量机线性组合方法
剩余14页未读,继续阅读
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 5
- 资源: 2万+
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- 岩石滑动与断层冲击地压:声发射特征分析
- 新时代煤炭工业八大战略新取向剖析
- 开采强度对华亭矿区冲击地压危险性的影响分析
- 新安煤矿探采对比:影响安全生产的关键因素与技术支撑
- 210MW循环流化床锅炉引风机变频改造优化与节能效果
- 浅埋煤层开采沉陷预测:方法应用与影响分析
- 优化巷道过陷落柱支护方案:数值模拟与现场试验
- 坚硬顶板定向断裂爆破技术:安全高效采煤新方案
- 北航2019算法课作业解析:投资策略与凸子多边形优化
- 断层破碎带垮冒下堆积体边界抗力分布关键影响因素
- 哈拉沟选煤厂优化末煤系统提高效率与处理能力
- 瓦斯涌出影响下采动煤体蠕变失稳研究
- 提升煤矿装载效率的可控箕斗定量装载设备设计
- 水分调控下烟煤瓦斯吸附特性对比研究
- 重介质悬浮液密度控制硬件设计与选型探讨
- 坚硬顶板巷道支护参数设计:现场测试与数值分析
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)