深度学习在分子生成中的应用进展 |
| |
引用本文: | 陈琳杰, 周瑞宁, 吕皓, 徐佳颖, 何正大, 陈亚东. 深度学习在分子生成中的应用进展[J]. 药学进展, 2023, 47(12): 950-960. DOI: 10.20053/j.issn1001-5094.2023.12.008 |
| |
作者姓名: | 陈琳杰 周瑞宁 吕皓 徐佳颖 何正大 陈亚东 |
| |
作者单位: | 1.中国药科大学理学院, 江苏 南京 211198 |
| |
基金项目: | 国家自然科学基金(No.61806092) |
| |
摘 要: | 分子设计中的药物设计是为了产生具有理想生物活性和物理化学性质的分子,随着计算机科学与高性能计算的快速发展,深度学习技术在药物设计领域的应用日益受到重视。生成式深度学习模型在自然语言、图像、音乐、视频等领域的表现卓越,为分子生成提供了新的思路。越来越多的研究者开始尝试使用深度学习技术完成分子生成任务。综述总结了深度学习算法在分子生成中的研究进展,重点介绍了常用的几种分子生成神经网络架构的原理、应用、分子表征形式及其技术细节。
|
关 键 词: | 人工智能 深度学习 药物设计 分子生成 |
收稿时间: | 2023-03-20 |
|
| 点击此处可从《药学进展》浏览原始摘要信息 |
|
点击此处可从《药学进展》下载全文 |
|