各类机器学习方法,如朴素贝叶斯方法、支持向量机以及最近出现的深度神经网络等正在证明它们在药物发现和开发方面的实用价值。这些技术通常利用通过大规模数据筛选创建的数据集,预测目标的生物活性和分子特性,从而提高了准确性。虽然这些技术的潜力才刚刚被开发,但它们可能已经从根本上改变了识别新分子或重新利用旧药物的研究过程。有鉴于此,Sean Ekins等人报道了将这种机器学习模型应用在端到端(E2E)技术中,对未来治疗方法的开发及其靶向性具有重要意义。
Sean Ekins, Ana C. Puhl, Kimberley M. Zorn, Thomas R. Lane, Daniel P. Russo, Jennifer J. Klein, Anthony J. Hickey & Alex M. Clark. Exploiting machine learning for end-to-end drug discovery and development. Nature Materials. 2019
https://www.nature.com/articles/s41563-019-0338-z