CADD计算机辅助药物设计+AIDD人工智能药物发现与设计

最新推荐文章于 2024-06-04 11:00:58 发布

Waiqiu-

最新推荐文章于 2024-06-04 11:00:58 发布

阅读量3.7k

点赞数 1

分类专栏：人工智能药物设计蛋白质结构预测文章标签：人工智能机器学习深度学习

本文链接：https://blog.csdn.net/waiqiu1/article/details/123014930

版权

本文介绍了CADD（Computer Aided Drug Design）和AIDD（AI Drug Discovery & Design）在药物设计和研发中的应用。CADD利用计算机模拟优化药物分子，而AIDD通过机器学习和深度学习加速新药研发，涉及靶点预测、高通量筛选等多个环节。两者结合，为药物发现提供了高效手段。针对国内研究需求，将举办相关专题培训班。

摘要由CSDN通过智能技术生成

CADD(Computer Aided Drug Design):计算机辅助药物设计，依据生物化学、酶学、分子生物学以及遗传学等生命科学的研究成果，针对这些基础研究中所揭示的包括酶、受体、离子通道及核酸等潜在的药物设计靶点，并参考其它类源性配体或天然产物的化学结构特征，以计算机化学为基础，通过计算机的模拟、计算和预算药物与受体生物大分子之间的相互作用，考察药物与靶点的结构互补、性质互补等，设计出合理的药物分子。它是设计和优化先导化合物的方法，特别是在食品、生物、化学、医药方面应用广泛

AIDD（AI Drug Discovery & Design）：是近年来非常火热的技术应用，且已经介入到新药设计到研发的大部分环节当中，为新药发现与开发带来了极大的助力。倾向于机器对数据库信息的自我学习，可以对数据进行提取和学习，一定程度上避免了化合物设计过程中的试错路径，同时还会带来很多全新的结构，为药物发现打破常规的结构壁垒。覆盖了机器学习和深度学习，能与新药研发相结合并实质性的应用到靶点预测、高通量筛选、药物设计、药物的ADMET性质预测等；且算力方面，由早期应用于药物发现领域的决策树、随机向量机等机器学习模型，进展到深度神经网络、