論文の概要: Artificial Intelligence in Drug Discovery:Applications and Techniques
- arxiv url: http://arxiv.org/abs/2106.05386v1
- Date: Wed, 9 Jun 2021 20:46:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-11 14:38:11.209408
- Title: Artificial Intelligence in Drug Discovery:Applications and Techniques
- Title(参考訳): 薬物発見における人工知能の応用と技術
- Authors: Jianyuan Deng, Zhibo Yang, Dimitris Samaras, Fusheng Wang
- Abstract要約: 我々は、薬物発見におけるAIの大きな応用を示し、関連するAI技術について議論し、AI駆動型薬物発見の最近の進歩について述べる。
私たちは、この人工知能と薬物発見の交差する領域で働く研究者のためのガイドとして、この視点が役立つことを期待しています。
- 参考スコア(独自算出の注目度): 33.59138543942538
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Artificial intelligence has transformed the practice of drug discovery in the
past decade. Various artificial intelligence techniques have been used in a
wide range of applications. In this perspective, we present major applications
of AI in drug discovery and discuss the relevant AI techniques, covering most
recent progress in AI-driven drug discovery. We expect that the perspective
will serve as a guide for researchers who are interested in working at this
intersected area of artificial intelligence and drug discovery. We also provide
a GitHub repository summarizing the surveyed papers as a learning resource,
which will be regularly updated.
- Abstract(参考訳): 人工知能は過去10年間、薬物発見の実践を変えてきた。
様々な人工知能技術が幅広い用途に使われている。
この観点から、我々は、薬物発見におけるAIの大きな応用を示し、関連するAI技術について議論し、AIによる薬物発見の最近の進歩について述べる。
この視点は、人工知能と薬物発見の分野で働くことに興味がある研究者のガイドになることを期待している。
また、調査対象の論文を学習リソースとして要約したgithubリポジトリも提供しています。
関連論文リスト
- A Survey of Generative AI for De Novo Drug Design: New Frontiers in
Molecule and Protein Generation [9.379005798631807]
デ・ノボの医薬品設計のための生成モデルは、スクラッチから完全に新規な生物学的化合物の創出に焦点を当てている。
この分野の急速な発展と創薬プロセスの複雑さが組み合わさって、新しい研究者が参入するのは難しい風景を生み出している。
本調査では,ド・ノボの薬物設計を小分子とタンパク質生成という2つの大まかなテーマにまとめる。
論文 参考訳(メタデータ) (2024-02-13T16:56:31Z) - AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。
本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。
実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
論文 参考訳(メタデータ) (2023-10-03T06:55:19Z) - Explainable Artificial Intelligence for Drug Discovery and Development
-- A Comprehensive Survey [11.331107195122147]
薬物発見の分野は、人工知能(AI)と機械学習(ML)技術の出現とともに、顕著な変革を経験してきた。
これらのAIとMLモデルはますます複雑になりつつあるため、モデルの透明性と解釈可能性の必要性が高まっている。
XAIはこの問題に対処し、機械学習モデルによる予測をより解釈可能な理解を提供する新しいアプローチである。
論文 参考訳(メタデータ) (2023-09-21T15:36:06Z) - Neurosymbolic AI and its Taxonomy: a survey [48.7576911714538]
ニューロシンボリックAIは、古典的なAIやニューラルネットワークのようなシンボリック処理を組み合わせたモデルを扱う。
本研究は近年,本分野の研究論文を調査し,提案モデルと応用モデルとの分類と比較を行った。
論文 参考訳(メタデータ) (2023-05-12T19:51:13Z) - Deep Active Learning for Computer Vision: Past and Future [50.19394935978135]
AIモデルの開発に欠かせない役割にもかかわらず、アクティブラーニングの研究は他の研究の方向性ほど集中的ではない。
データ自動化の課題に対処し、自動化された機械学習システムに対処することによって、アクティブな学習はAI技術の民主化を促進する。
論文 参考訳(メタデータ) (2022-11-27T13:07:14Z) - ImDrug: A Benchmark for Deep Imbalanced Learning in AI-aided Drug
Discovery [79.08833067391093]
現実世界の医薬品のデータセットは、しばしば高度に不均衡な分布を示す。
ImDrugはオープンソースのPythonライブラリを備えたベンチマークで、4つの不均衡設定、11のAI対応データセット、54の学習タスク、16のベースラインアルゴリズムで構成されています。
ドラッグ発見パイプラインの幅広い範囲にまたがる問題やソリューションに対して、アクセス可能でカスタマイズ可能なテストベッドを提供する。
論文 参考訳(メタデータ) (2022-09-16T13:35:57Z) - TorchDrug: A Powerful and Flexible Machine Learning Platform for Drug
Discovery [32.695233909773975]
TorchDrugは、PyTorch上に構築されたドラッグ発見のための強力で柔軟な機械学習プラットフォームである。
TorchDrugは、分子特性予測、事前訓練された分子表現、de novo分子設計と最適化、再合成予測、バイオメディカル知識グラフ推論など、薬物発見における様々な重要なタスクをベンチマークしている。
論文 参考訳(メタデータ) (2022-02-16T20:24:02Z) - Learning to Discover Medicines [21.744555824342264]
強力なコンピューティング、大規模なバイオメディカルデータベース、そしてディープラーニングのブレークスルーによって、現代のAIが利用できることは、このループを壊そうとする新たな希望である。
本稿では,この課題を解決しようとするAI方法論の最近の進歩を概観する。
我々は、医薬品発見のためのAIの大規模かつ急速に成長する文献を、比較的安定した3つのサブエリアにまとめる。
論文 参考訳(メタデータ) (2022-02-14T23:43:51Z) - DrugOOD: Out-of-Distribution (OOD) Dataset Curator and Benchmark for
AI-aided Drug Discovery -- A Focus on Affinity Prediction Problems with Noise
Annotations [90.27736364704108]
我々は、AI支援薬物発見のための体系的なOODデータセットキュレーターおよびベンチマークであるTarmOODを提案する。
DrugOODには、ベンチマークプロセスを完全に自動化するオープンソースのPythonパッケージが付属している。
我々は、薬物標的結合親和性予測という、AIDDにおける最も重要な問題の1つに焦点を当てる。
論文 参考訳(メタデータ) (2022-01-24T12:32:48Z) - An In-depth Summary of Recent Artificial Intelligence Applications in
Drug Design [5.365309795469097]
2017年から2021年にかけて、薬物デザインにおける最近のAIモデルの応用の数は大幅に増加した。
このサーベイには、前述のAIモデルの理論的開発と、薬物設計におけるAIの最近の42の応用の詳細な要約が含まれている。
論文 参考訳(メタデータ) (2021-10-10T00:40:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。