Chem. Rev.:人工智能与计算机辅助药物发现

发布于 2021-04-26 05:16 ，所属分类：知识学习综合资讯

导读

2019年7月13日, 四川大学杨胜勇课题组和瑞士苏黎世大学Gisbert Schneide组在Chemical Reviews杂志上，发表题为“Concepts of ArtiﬁcialIntelligence for Computer-Assisted Drug Discovery”的综述论文，研究人员介绍了各种机器学习算法的基本原理和一些应用说明，讨论了人工智能辅助药物发现的最新进展，包括在基于结构和配体的虚拟筛选、从头开始的药物设计、物理物理模型等方面的应用，为人工智能辅助药物的发现和设计提供价值的指导方向。

人工智能（AI），尤其是作为AI子类别的深入学习，为创新药物的发现和开发提供了机会。最近出现了各种机器学习方法，其中一些可能被视为领域特定人工智能的实例，这些人工智能已成功用于药物发现和设计。

图1. 多任务QSAR模型示例（图片来源于Chemical Reviews）

四川大学杨胜勇课题组和瑞士苏黎世大学Gisbert Schneide组综述了这些机器学习技术及其在医学化学中的应用。在介绍了各种机器学习算法的基本原理和一些应用说明，讨论了人工智能辅助药物发现的最新进展，包括在基于结构和配体的虚拟筛选、从头开始的药物设计、物理模型等方面的应用。影像化学和药动学性质预测，药物再利用，以及相关方面。最后，总结了当前方法的几个挑战和局限性，为人工智能辅助药物的发现和设计提供了高价值的指导方向。

✔杨胜勇教授简介

杨胜勇，教授，博士生导师（图片来源于四川大学官网）

【个人简历】

教育部“长江学者奖励计划”特聘教授、国家杰出青年基金获得者、教育部“创新团队发展计划”团队带头人。

1999年毕业于四川大学化学学院，获物理化学专业博士学位。1999年-2001年，香港科技大学化学系博士后。2002年12月-2005年10月，加拿大Calgary大学Research Scientist。2005年10月通过985平台进入四川大学华西医院生物治疗国家重点实验室工作。主持了包括863计划、国家创新药物重大专项、国家自然科学基金、教育部新世纪优秀人才资助计划等多项国家和省部级项目。至今已在包括Leukemia, J Med Chem, Clin Cancer Res, DrugDiscov Today, Mol Cancer Ther, J Chem Inf Model, Proteins, JComput Chem,Organometallics等本领域重要期刊发表SCI论文100余篇。相关研究工作已被包括Nat Methods, Nat Rev Drug Discov, DrugDiscov Today等在内的多个著名期刊引用或作重点评述。申请专利17项，包括2项PCT国际专利，7项授权专利。获6项软件著作权。获2012年度“药明康德生命化学研究奖”。

【研究方向】

（1）药物分子设计新方法研究

（2）小分子靶向药物设计、合成与先导化合物优化研究

（3）化学生物学

（4）针对肿瘤等重大疾病的一类新药的研究与开发

【学术任职】

受邀担任Pharmacol & Pharm, ISRN ComputBiol等国际期刊编委；国家创新药物重大专项、973、863、自然科学基金项目评审专家；中国计算机化学专业委员会委员；四川省药物化学专委会副主任委员；J Am Chem Soc, J Med Chem, Proteins, JChem Inf Model, J Theor Comput Chem, Eur J Med Chem等国际学术期刊特邀审稿人。

拓展阅读