Unleashing the power of generative AI in drug discovery

药物发现 时间轴 计算机科学 药物开发 生成语法 药品 数据科学 风险分析(工程) 药物重新定位 人工智能 医学 生物信息学 药理学 生物 考古 历史
作者
Amit Gangwal,Antonio Lavecchia
出处
期刊:Drug Discovery Today [Elsevier BV]
卷期号:29 (6): 103992-103992 被引量:138
标识
DOI:10.1016/j.drudis.2024.103992
摘要

Artificial intelligence (AI) is revolutionizing drug discovery by enhancing precision, reducing timelines and costs, and enabling AI-driven computer-aided drug design. This review focuses on recent advancements in deep generative models (DGMs) for de novo drug design, exploring diverse algorithms and their profound impact. It critically analyses the challenges that are intricately interwoven into these technologies, proposing strategies to unlock their full potential. It features case studies of both successes and failures in advancing drugs to clinical trials with AI assistance. Last, it outlines a forward-looking plan for optimizing DGMs in de novo drug design, thereby fostering faster and more cost-effective drug development.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
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
满意冬寒发布了新的文献求助20
刚刚
云烟完成签到,获得积分10
1秒前
科研小秦发布了新的文献求助10
1秒前
英姑应助飞行器采纳,获得10
1秒前
无辜忆寒完成签到,获得积分10
1秒前
mingming完成签到,获得积分10
1秒前
senli2018发布了新的文献求助10
1秒前
桃桃奶盖发布了新的文献求助10
2秒前
小十一完成签到 ,获得积分10
2秒前
二碘化钾完成签到 ,获得积分10
3秒前
Enge完成签到,获得积分10
4秒前
4秒前
李爱国应助senli2018采纳,获得10
5秒前
谢政坤发布了新的文献求助10
5秒前
5秒前
kerguelen完成签到,获得积分10
7秒前
锦鲤完成签到 ,获得积分10
7秒前
9秒前
10秒前
panyi发布了新的文献求助10
10秒前
10秒前
干净的琦应助产电菌菌主采纳,获得30
13秒前
14秒前
14秒前
Merci发布了新的文献求助10
14秒前
知还发布了新的文献求助10
15秒前
15秒前
齐天大圣完成签到,获得积分20
16秒前
18秒前
18秒前
aaaa完成签到 ,获得积分10
19秒前
ZZ发布了新的文献求助10
19秒前
乐乐应助高高的书瑶采纳,获得10
20秒前
20秒前
20秒前
拼搏的潘子完成签到,获得积分10
21秒前
Sylvia发布了新的文献求助30
21秒前
知还完成签到,获得积分10
21秒前
22秒前
Yayaaaaa发布了新的文献求助10
22秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Introduction to Helicopter and Tiltrotor Flight Simulation, Second Edition 2500
卤化钙钛矿人工突触的研究 2000
History of U.S. Space Surveillance and Satellite Cataloging 1000
Malcolm Fraser : a biography 700
Signals, Systems, and Signal Processing 610
Materials selection in mechanical design 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 物理 内科学 复合材料 催化作用 物理化学 光电子学 电极 细胞生物学 基因 无机化学
热门帖子
关注 科研通微信公众号,转发送积分 6504273
求助须知:如何正确求助?哪些是违规求助? 8298775
关于积分的说明 17714224
捐赠科研通 5603437
什么是DOI,文献DOI怎么找? 2919843
邀请新用户注册赠送积分活动 1897149
关于科研通互助平台的介绍 1758911