主要观点总结
人工智能（AI）正在革新药物发现，通过提高精确性、缩短时间线和降低成本，并实现AI驱动的计算机辅助药物设计。文章综述了用于从头药物设计的深度生成模型（DGMs）的最新进展，探讨了多种算法及其影响，并批判性分析了这些技术中的挑战。它展示了在AI辅助下推进药物进入临床试验的成功和失败案例研究，并概述了一个面向未来的计划，以优化从头药物设计中的DGMs，从而促进更快且更具成本效益的药物开发。文章还讨论了AI与制药公司的合作，以及AI在药物研发中的挑战和未来展望。
关键观点总结
关键观点1: AI在药物发现中的革新
AI通过提高精确性、缩短时间线和降低成本，实现计算机辅助药物设计，革新药物发现。
关键观点2: 深度生成模型（DGMs）的最新进展
文章综述了DGMs在从头药物设计中的最新进展，探讨了多种算法及其影响，并分析了面临的挑战。
关键观点3: 成功和失败案例研究
展示了在AI辅助下推进药物进入临床试验的成功和失败案例研究，说明了AI在药物研发中的效果。
关键观点4: 面向未来的计划
概述了一个面向未来的计划，以优化从头药物设计中的DGMs，促进更快且更具成本效益的药物开发。
关键观点5: AI与制药公司的合作
讨论了AI与制药公司的合作，展示了AI在药物研发中的实际应用和效果。
关键观点6: 挑战和未来展望
文章还讨论了AI在药物研发中的挑战，包括数据质量、模型透明度、跨学科合作等问题，以及未来在药物研发中的潜力和展望。
文章预览
摘要： 人工智能（AI）正在通过提高精确性、缩短时间线和降低成本以及实现 AI 驱动的计算机辅助药物设计来革新药物发现。本综述聚焦于用于从头药物设计的深度生成模型（DGMs）的最新进展，探讨了多种算法及其深远影响。它对这些技术中错综复杂的挑战进行了批判性分析，并提出了释放其全部潜力的策略。它展示了在 AI 辅助下推进药物进入临床试验的成功和失败案例研究。最后， 它概述了一个面向未来的计划，以优化从头药物设计中的 DGMs，从而促进更快且更具成本效益的药物开发。 1.引言 药物研发成本高、耗时长，开发一种新药通常要花超 28 亿美元，耗时超 12 年。为加快进程、控制成本，得找高效办法。高通量筛选（HTS）能快速评估大量化合物，助力药物识别。虚拟筛选（VS）能找出有潜力的活性分子，筛掉不好的结构。随着计算能力
………………………………
