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
1秒前
哇哦发布了新的文献求助10
1秒前
1秒前
舒适秋双发布了新的文献求助10
2秒前
甜汤蛙发布了新的文献求助10
2秒前
3秒前
love迈扣完成签到,获得积分10
4秒前
向阳发布了新的文献求助10
4秒前
4秒前
刻苦惜萍发布了新的文献求助10
5秒前
海阔天空完成签到,获得积分10
5秒前
5秒前
Dovice完成签到,获得积分10
6秒前
6秒前
Hello应助连敏锐采纳,获得10
6秒前
我是老大应助坦率的邑采纳,获得10
7秒前
7秒前
香蕉草丛发布了新的文献求助10
7秒前
7秒前
7秒前
五五五完成签到,获得积分10
8秒前
8秒前
华仔应助茉莉猫哟采纳,获得10
10秒前
皓月繁星发布了新的文献求助10
10秒前
XIEYIHAN发布了新的文献求助10
10秒前
深情安青应助刻苦惜萍采纳,获得10
10秒前
零度发布了新的文献求助10
11秒前
快乐的晟睿完成签到,获得积分10
11秒前
shy发布了新的文献求助10
11秒前
Yuan88发布了新的文献求助10
11秒前
HAN发布了新的文献求助10
11秒前
科研通AI6.2应助呆凤采纳,获得10
12秒前
mhc发布了新的文献求助10
12秒前
12秒前
海阔天空发布了新的文献求助30
13秒前
13秒前
13秒前
13秒前
gww发布了新的文献求助10
14秒前
16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
Malcolm Fraser : a biography 700
Signals, Systems, and Signal Processing 610
Bounds for Statistical Estimation in Semiparametric Models 500
Forced degradation and stability indicating LC method for Letrozole: A stress testing guide 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 6504010
求助须知:如何正确求助?哪些是违规求助? 8298539
关于积分的说明 17713520
捐赠科研通 5602948
什么是DOI,文献DOI怎么找? 2919702
邀请新用户注册赠送积分活动 1897027
关于科研通互助平台的介绍 1758603