综述：药物发现中的机器学习

人工智能已应用于药物设计的各种方面，如药物-蛋白质相互作用预测、药物疗效的发现、确保安全性生物标志物。本综述提供了在药物开发的各个阶段通过ML工具和技术发现药物的可行文献，以加速研究过程，降低临床试验的风险和支出。机器学习技术改进了在不同应用中的药物数据决策，如QSAR分析、hit发现、从头药物架构检索准确的结果。在本综述中，靶点验证、预后生物标志物、数字病理学都被认为是存在问题的。ML挑战必须适用于可解释性结果不足的主要原因，这可能会限制药物发现中的应用。在临床试验中，必须生成绝对数据和方法学数据，以解决在验证ML技术、改进决策、提高ML方法的意识以及推断药物发现中的风险失败方面的许多难题。 https://pubmed.ncbi.nlm.nih.gov/34393317/