The rise of deep learning in drug discovery

深度学习 药物发现 人工智能 计算机科学 人工神经网络 机器学习 数据科学 深层神经网络 生物信息学 生物
作者
Hongming Chen,Ola Engkvist,Yinhai Wang,Marcus Olivecrona,Thomas Blaschke
出处
期刊:Drug Discovery Today [Elsevier]
卷期号:23 (6): 1241-1250 被引量:1407
标识
DOI:10.1016/j.drudis.2018.01.039
摘要

Over the past decade, deep learning has achieved remarkable success in various artificial intelligence research areas. Evolved from the previous research on artificial neural networks, this technology has shown superior performance to other machine learning algorithms in areas such as image and voice recognition, natural language processing, among others. The first wave of applications of deep learning in pharmaceutical research has emerged in recent years, and its utility has gone beyond bioactivity predictions and has shown promise in addressing diverse problems in drug discovery. Examples will be discussed covering bioactivity prediction, de novo molecular design, synthesis prediction and biological image analysis.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
喵喵完成签到 ,获得积分10
1秒前
2秒前
Evan123完成签到,获得积分10
2秒前
艺玲发布了新的文献求助10
2秒前
2秒前
科研通AI2S应助绝不拖延采纳,获得10
3秒前
wndmy发布了新的文献求助10
4秒前
香蕉觅云应助Skye采纳,获得10
5秒前
Hello应助123lx采纳,获得10
6秒前
秀丽烨霖应助张不大采纳,获得10
8秒前
8秒前
wwneen完成签到,获得积分10
9秒前
层次感完成签到,获得积分10
9秒前
Arjun应助艺玲采纳,获得10
12秒前
zhl完成签到,获得积分10
13秒前
123发布了新的文献求助10
13秒前
所所应助八个冬菇采纳,获得10
14秒前
wndmy完成签到,获得积分10
15秒前
完美世界应助科研不秃头采纳,获得10
15秒前
SciGPT应助跑快点采纳,获得10
16秒前
16秒前
123lx完成签到,获得积分20
17秒前
18秒前
li完成签到,获得积分10
18秒前
搬砖工人完成签到,获得积分10
18秒前
20秒前
酷波er应助xl采纳,获得10
20秒前
123lx发布了新的文献求助10
20秒前
21秒前
wanci应助WL采纳,获得10
21秒前
23秒前
123完成签到,获得积分10
25秒前
王伍发布了新的文献求助10
25秒前
25秒前
25秒前
YINLANRUI发布了新的文献求助10
26秒前
26秒前
27秒前
小璐璐呀发布了新的文献求助10
27秒前
高分求助中
Rock-Forming Minerals, Volume 3C, Sheet Silicates: Clay Minerals 2000
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 910
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3262947
求助须知:如何正确求助?哪些是违规求助? 2903625
关于积分的说明 8325918
捐赠科研通 2573523
什么是DOI,文献DOI怎么找? 1398379
科研通“疑难数据库(出版商)”最低求助积分说明 654153
邀请新用户注册赠送积分活动 632707