文章图片
文章图片
文章图片
用于临床开发的新型药物分子的发现仍然是一个具有挑战性的过程 ， 通常需要五年以上 ， 并且通常需要合成数百至数千个分子 。 向临床开发候选者的复合进展通常涉及多个属性的并行优化 ， 这些包括针对所需主要目标的生物活性、对不需要的目标的选择性以及ADMET特性 。 将基于人工智能(AI)的数据分析和化合物设计等新技术整合到药物化学中 ， 为快速识别具有良好特征的新型药理活性化合物提供了令人兴奋的机会 。
高通量筛选和虚拟筛选等技术有助于通过浏览现有化合物集合来寻找新的先导结构 。 包含潜在合成可访问分子的虚拟化学空间超出了这些现有化合物的集合 ， 并且近年来变得流行 ， 因为它们可以使用现代计算机工具进行有效搜索 。 从头设计不受构建块的可用性或一组给定的化学反应的限制 ， 因此允许对类药物化学空间进行潜在更广泛的采样 。
然而 ， 从头设计的分子的合成通常被证明是具有挑战性的 。 具有良好活性和二级特征的分子的设计过程结合了两个步骤 ， 即新结构的产生和使用计算机功能对这些想法进行评分以选择有希望的合成候选物 。 虽然这些步骤通常由经验丰富的药物化学家每天执行 ， 但已经提出了专用算法来自动化部分工作流程 。 科学家已经开发了许多方法 ， 并且成功的案例研究可用于基于计算机的从头设计 。
【筛选技术的发展，有助于通过浏览现有化合物集合来寻找新的先导结构】然而 ， 这种方法在项目工作中仍然只发挥次要作用 ， 这与从头设计的化合物难以合成的观念有关 。 最近在深度学习和人工智能技术方面取得的鼓舞人心的进展重新引起了人们对该领域的兴趣 。 今天 ， 这项技术通过训练神经元网络为感兴趣的生物目标生成可合成的小分子 ， 为复合思想提供了令人兴奋的机会 。 通常 ， 包括基于AI的从头设计在内的量身定制的设计方法会集成到药物发现项目的相应阶段 。
为了优化感兴趣的化学系列 ， 用于引导AI引擎的二维方法可能很有用 。 另一方面 ， 如果目标是识别新的结构图案 ， 3D形状和先进的机器学习模型似乎可以提供足够的设计结果 。 因此 ， 将更详细的奖励函数直接集成到设计步骤中 ， 可以对化学空间进行更多样化的采样 ， 从而为项目团队提供新颖的化学基序 。
这些有可能在常规基础上应用于发现项目 。 多年来 ， 计算机药物发现主要是使用商业软件解决方案进行的 。 尽管如此 ， 对于许多AI应用程序 ， 现在已经很好地建立了新方法和软件代码的开放共享 ， 许多有用的代码示例已公开可用 。 这无疑有助于社区在这个令人兴奋的研究领域成长并进一步发展创新理念 。 然而 ， 与此同时 ， 这种趋势也使得新手用户更难判断哪些代码和方法适合他们的目的、适用和有效 。
?
分子可以用不同的方式表示 ， 从分子图上的分子指纹到基于文本的表示 。 这些分子表示中的大多数也可用于生成用于性质和活性预测的计算机机器学习模型 ， 尤其是分子指纹 。 对于生成网络 ， SMILES字符串已成为表示合成分子的最简单但最有效的方法之一 。 同样 ， 使用片段表示的方法已经使用了很长时间 ， 而基于图的方法最近才出现 。 使用基于3D的分子表示的第一种方法现在也变得可用 。
推荐阅读
- 照亮月球最黑暗的区域
- 全球最强太空望远镜就位！斥资100亿，将探索135亿年前第一批行星
- 人类眼中死神镰刀般的原子弹，在宇宙中，却如一颗微不足道的尘埃
- 人火化后基因去哪了？DNA其实比你的想象更顽强
- ?关于多普勒摆动的介绍
- ?人类需要用新颖的通信方法、工具和技术来搜索外星人
- ?了解地球以外的先进智能生命
- 流浪地球2定档明年，今年不如先来明日之后这里看看
- 宇宙漆黑一片，为什么太阳光照不亮太空？光去了哪里？
- 搜寻地外文明发展的综合愿景