摘要：在新药创制的药物设计与发现所采用的多种技术中,深度学习仍处于初级阶段,但近年来以其独有的特点,开始应用于虚拟化合物库的生成,化合物活性、代谢和毒性的预测,以及有机合成反应预测等多个方面。与传统的机器学习方法相比,深度学习的预测能力无明显优势,但其无需人工归纳总结数据特征,而是具有学习能力,自动提取特征。与基于第一性原理的计算化学相比,深度学习虽然因为对标注明晰的大数据集的依赖,存在泛化能力的不足,但其以原子为中心进行卷积的表征开始助力计算化学。深度学习作为新兴技术发展迅速,不依赖于大量标注数据的非监督学习等方法在逐渐完善,有望能更好地助力新药研发。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社