Nat. Chem. Biol. | 临床前药物发现中的机器学习

文章预览

DRUG AI 今天为大家介绍的是来自Jonathan M.Stokes团队的一篇论文。药物发现和开发过程耗时费力、成本高昂。这些项目可能需要超过12年时间，花费高达25亿美元，而且失败率超过90%。机器学习（ML）为改进药物发现过程提供了机会。确实，随着公共和私人大型生物和化学数据集的日益增多，ML技术正逐渐成为增强传统药物开发过程的有用工具。在本文中，作者讨论了在药物发现的临床前阶段中整合算法方法。具体来说，作者重点介绍了在各种疾病领域中基于ML的努力，以加速初始命中发现、作用机制（MOA）阐明和化学性质优化。随着ML在各种治疗领域的应用进展，作者认为完全整合ML的药物发现流程将定义未来的药物开发项目。 药物发现是一个耗时且容易失败的过程，需要大量的资金投入和专业人力资源。新药的发现和开发成本可能超过25亿美元，需要1 ………………………………