一、课题研究的背景与意义1.1药物靶点相互作用概况药物设计集药物化学、分子生物学、药理学、酶学等于一体,目的是设计出符合需求的药物分子,而这需要先了解药物作用的靶点及其天然配体的结构,并在设计过程中针对此靶点的特征进行设计。
现代新药研发中,找到、验证以及合成药物相应靶点是关键所在。
药物对许多生理功能(如神经体液调节、酶催化反应等)的调节,正是依靠着药物与靶点的相互作用,这种相互作用的前提是药物对靶点的识别和结合具有专一性。
一般情况下,大多数药物和靶点之间的关系是一种多对多关系,药物与靶点的相互识别和作用必然存在着特定规律,研究者可利用其规律来推进药物设计进程。
1.2机器学习预测药物靶点相互作用的研究现状由于计算能力的快速提高以及计算化学和生物学的快速发展,计算机辅助药物设计技术已经成功地应用于药物发现和开发管道的几乎每个阶段,以加快研究过程并降低与临床前和临床试验相关的成本和风险。
由于机器学习理论的发展和药理学数据的积累,人工智能技术作为一种强大的数据挖掘工具,已经在药物设计的各个领域崭露头角,例如虚拟筛选、活性评分、定量结构-活性关系(QSAR)分析、从头药物设计以及吸收、分布、代谢、排泄和毒性(ADME/吨)特性的计算机评价。
尽管对基于人工智能的模型进行物理解释仍然具有挑战性,但它确实已经成为了一种巨大的力量,可以通过多种多样的框架来帮助操纵药物的发现。
近年来,由于人工智能具有很强的泛化能力和很强的特征提取能力,机器学习方法已经被用于预测分子的性质以及生成所需的分子,这将进一步促进人工智能技术在药物设计领域的应用。
二、课题研究内容根据传统计算机辅助药物设计(CADD)方法,分子对接方法是一种常用方法。
以上是文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。