MaltSci 麦伴科研

Appearance

文献精选 > 高引权威"AI药物发现"文献

Advancing Drug Discovery via Artificial Intelligence. ​

文献信息 ​

DOI10.1016/j.tips.2019.06.004
PMID31320117
期刊Trends in pharmacological sciences
影响因子19.9
JCR 分区Q1
发表年份2019
被引次数150
关键词定量构效关系（QSAR）, 人工智能, 药物设计, 药物发现, 化学合成规划
文献类型Journal Article, Research Support, Non-U.S. Gov't, Review
ISSN0165-6147
页码592-604
期号40(8)
作者H C Stephen Chan, Hanbin Shan, Thamani Dahoun, Horst Vogel, Shuguang Yuan

一句话小结 ​

本研究探讨了人工智能在药物发现中的应用，指出其有潜力显著降低新药研发的成本和时间。通过结合新实验技术，人工智能可提高药物开发的效率，解决当前行业面临的挑战。

在麦伴科研 (maltsci.com) 搜索更多文献 ​

定量构效关系（QSAR） · 人工智能 · 药物设计 · 药物发现 · 化学合成规划

摘要 ​

药物发现和开发是对人类健康与福祉贡献最大的转化科学活动之一。然而，开发一种新药是一个非常复杂、昂贵且漫长的过程，通常平均花费26亿美元，并且需要12年时间。如何降低成本并加快新药发现的速度已成为行业内一个具有挑战性和紧迫性的问题。人工智能（AI）结合新实验技术，预计可以使新药的研发变得更快、更便宜且更有效。本研究讨论了人工智能在改善药物发现过程中的新兴应用。

英文摘要 ​

Drug discovery and development are among the most important translational science activities that contribute to human health and wellbeing. However, the development of a new drug is a very complex, expensive, and long process which typically costs 2.6 billion USD and takes 12 years on average. How to decrease the costs and speed up new drug discovery has become a challenging and urgent question in industry. Artificial intelligence (AI) combined with new experimental technologies is expected to make the hunt for new pharmaceuticals quicker, cheaper, and more effective. We discuss here emerging applications of AI to improve the drug discovery process.

麦伴智能科研服务 ​

智能阅读回答你对文献的任何问题，帮助理解文献中的复杂图表和公式
定位观点定位某个观点在文献中的蛛丝马迹
加入知识库完成数据提取，报告撰写等更多高级知识挖掘功能

主要研究问题 ​

  1. 人工智能在药物发现中具体应用了哪些技术或算法？
  2. 如何评估人工智能在药物发现过程中对成本和时间的具体影响？
  3. 目前有哪些成功案例展示了人工智能在药物发现中的应用效果？
  4. 在药物发现的不同阶段，人工智能可以发挥怎样的作用？
  5. 未来人工智能在药物开发领域可能面临哪些挑战和限制？

核心洞察 ​

1. 研究背景和目的 ​

药物发现与开发是转化医学中最为重要的活动之一，对人类健康和福祉具有重大影响。然而，开发一种新药的过程极其复杂，通常耗时12年，成本高达26亿美元。因此，如何降低药物开发的成本和缩短研发周期，成为制药行业面临的一项紧迫而重要的挑战。本研究旨在探讨人工智能（AI）结合新实验技术在药物发现过程中的应用，以期提升药物研发的效率和效果。

2. 主要方法和发现 ​

本研究综合分析了多种人工智能技术在药物发现中的新兴应用，包括机器学习、深度学习和数据挖掘等方法。这些技术能够通过分析大量生物数据和化合物特征，快速识别潜在的药物候选物。研究发现，AI能够加速药物筛选、优化药物设计以及预测药物与靶点的相互作用，从而显著缩短研发周期。此外，结合药物研发的实验技术，如高通量筛选和基因组编辑，AI的应用能够实现更精确的药物开发流程。

3. 核心结论 ​

人工智能在药物发现过程中展现出巨大的潜力，不仅能够降低研发成本，还能加快新药的上市速度。通过利用AI的强大数据处理能力和分析能力，制药公司能够更高效地识别和验证新药候选物，从而使药物开发过程更加高效且具备可预测性。这一研究表明，AI技术有望成为未来药物发现的重要驱动力。

4. 研究意义和影响 ​

本研究的意义在于为制药行业提供了一条新的发展思路，即通过AI技术的引入来提升药物研发的效率和经济性。这不仅可能改变传统药物开发的模式，还能够推动个性化医疗的实现，使得针对特定疾病的治疗方案更加精准。此外，随着AI技术的不断进步，未来药物发现的整个流程将更加智能化和自动化，为人类健康带来更大的福祉。通过降低成本和缩短研发时间，AI有望促进更多创新药物的上市，改善全球患者的治疗效果和生活质量。

引用本文的文献 ​

  1. Advances and Challenges in Rational Drug Design for SLCs. - Rachel-Ann A Garibsingh;Avner Schlessinger - Trends in pharmacological sciences (2019)
  2. Strategies for targeting the cardiac sarcomere: avenues for novel drug discovery. - Joshua B Holmes;Chang Yoon Doh;Ranganath Mamidi;Jiayang Li;Julian E Stelzer - Expert opinion on drug discovery (2020)
  3. AlloSigMA 2: paving the way to designing allosteric effectors and to exploring allosteric effects of mutations. - Zhen Wah Tan;Enrico Guarnera;Wei-Ven Tee;Igor N Berezovsky - Nucleic acids research (2020)
  4. Discovering Anti-Cancer Drugs via Computational Methods. - Wenqiang Cui;Adnane Aouidate;Shouguo Wang;Qiuliyang Yu;Yanhua Li;Shuguang Yuan - Frontiers in pharmacology (2020)
  5. Generative Model for Proposing Drug Candidates Satisfying Anticancer Properties Using a Conditional Variational Autoencoder. - Sunghoon Joo;Min Soo Kim;Jaeho Yang;Jeahyun Park - ACS omega (2020)
  6. Artificial intelligence in drug discovery and development. - Debleena Paul;Gaurav Sanap;Snehal Shenoy;Dnyaneshwar Kalyane;Kiran Kalia;Rakesh K Tekade - Drug discovery today (2021)
  7. Natural outbreaks and bioterrorism: How to deal with the two sides of the same coin? - Lionel Koch;Anne-Aurelie Lopes;Avelina Maiguy;Sophie Guillier;Laurent Guillier;Jean-Nicolas Tournier;Fabrice Biot - Journal of global health (2020)
  8. Machine Learning Methods in Drug Discovery. - Lauv Patel;Tripti Shukla;Xiuzhen Huang;David W Ussery;Shanzhi Wang - Molecules (Basel, Switzerland) (2020)
  9. Artificial intelligence and machine learning-aided drug discovery in central nervous system diseases: State-of-the-arts and future directions. - Sezen Vatansever;Avner Schlessinger;Daniel Wacker;H Ümit Kaniskan;Jian Jin;Ming-Ming Zhou;Bin Zhang - Medicinal research reviews (2021)
  10. Marine-Derived Biologically Active Compounds for the Potential Treatment of Rheumatoid Arthritis. - Muhammad Bilal;Maimoona Qindeel;Leonardo Vieira Nunes;Marco Thúlio Saviatto Duarte;Luiz Fernando Romanholo Ferreira;Renato Nery Soriano;Hafiz M N Iqbal - Marine drugs (2020)

... (140 更多 篇文献)

© 2025 MaltSci 麦伴科研 - 我们用人工智能技术重塑科研