![928ff1509c366881d04cce2908af6e05.png](https://i-blog.csdnimg.cn/blog_migrate/afe154ef0da69efdbdf3da408ff169fa.jpeg)
引言
人工智能和机器学习早已经证明了它们在小分子预测化学和合成规划方面的潜在作用。麻省理工学院和13家化学及制药公司成员组成的药物发现和合成机器学习联盟(MLPDS),正在开发和评估一个数据驱动的合成规划项目。他们共同撰写了这篇文章,分享了他们认为的预测模型是如何整合到药物化学合成工作流程中的,MLPDS成员公司目前如何使用它们,以及该领域的前景。
![5021f6c4ab7b4aacc23fbf1de9225466.png](https://i-blog.csdnimg.cn/blog_migrate/13910387bc7d74efc00cb18e7311c344.jpeg)
药物发现和合成机器学习联盟(MLPDS)
引言
人工智能和机器学习早已经证明了它们在小分子预测化学和合成规划方面的潜在作用。麻省理工学院和13家化学及制药公司成员组成的药物发现和合成机器学习联盟(MLPDS),正在开发和评估一个数据驱动的合成规划项目。他们共同撰写了这篇文章,分享了他们认为的预测模型是如何整合到药物化学合成工作流程中的,MLPDS成员公司目前如何使用它们,以及该领域的前景。
药物发现和合成机器学习联盟(MLPDS)