?
The use of computational biology in protein engineering and drug discovery
Традиционный метод разработки лекарств может занимать до 12 лет. Традиционные методы разработки лекарств дорогостоящи и трудоемки, что приводит к высоким ценам на препараты и делает новые методы лечения менее доступными для пациентов. Использование алгоритмов машинного обучения и глубокого обучения может помочь повысить эффективность исследований, снизить связанные с этим затраты и улучшить доступность будущих лекарств, поступающих на рынок. Компьютерное моделирование в разработке лекарств включает в себя большой набор инструментов, широко используемых для разработки и оптимизации лекарственных малых молекул на основе анализа молекулярной структуры мишени. Например, эти методы могут анализировать сходство между молекулярной структурой мишени и имеющимися данными для разработки малой молекулы с соответствующими структурными свойствами. Процесс исследований и разработок в области разработки лекарств может быть в значительной степени автоматизирован с использованием методов машинного обучения и искусственного интеллекта. Однако ограниченный доступ к тщательно отобранным и должным образом аннотированным данным частично препятствует внедрению этих методов, основанных на данных. В этой главе мы проанализировали тысячи недавних публикаций в области разработки лекарств, чтобы выявить последние достижения в области компьютерного моделирования в разработке лекарств. Мы рассматриваем последние достижения в рамках выбранного набора методов и обсуждаем, как эти методы позиционируют себя как революционные начинания на ранних стадиях разработки лекарственных препаратов.