虚拟筛选通常依赖于计算机模拟和分子对接技术，通过计算分子间的相互作用来预测化合物的生物活性。人工智能 (Artificial Intelligence，AI) 药物筛选是一种结合 AI 技术与计算化学的高通量筛选方法，广泛应用于蛋白结构预测、新药研发和分子设计与优化等领域。其主要目的是利用机器学习 (Machine Learning，ML) 算法分析大量数据，从中学习规律，生成 AI 打分函数，以此提高筛选效率，加速候选药物的发现过程。
MCE AI 药物筛选平台综合使用分子对接、深度学习、分子动力学模拟等方法，借助高性能服务器，能够在最短数小时内完成数千万分子的筛选，真正实现快速、高效！
图 1. AI 技术在药物发现中的应用
基于靶点的 AI 筛选基于靶点的 AI 筛选通过机器学习中的深度神经网络、随机森林等算法及分子对接等技术，构建化合物化学结构与生物活性之间的关系模型，实现对药物化合物作用机制的快速预测。基于深度学习 (Deep Learning，DL) 模型预测蛋白质与小分子结合的 AI 筛选流程如下：
图 2. 基于深度学习模型预测蛋白和小分子结合的流程图
基于配体的 AI 筛选在基于配体的 AI 筛选中，研究人员可以从已知的化合物库中寻找具有所需性质的化合物，或者将已知的活性分子作为训练集，使用 AI 工具总结其特征并生成相似的新分子。AI 生成模型可以在更广泛的化学空间中搜索新分子，设计出具有特定药物特性的候选分子，从而提高药物研发的效率和成功率。
图 3. 借助深度学习算法，实现超大规模化学空间探索：图神经网络 (D-MPNN) 计算预测超过 1 亿个分子的化学性质。
服务优势• 提供基于配体/受体的 AI 筛选、分子动力学模拟、结构优化及化合物合成的一体化服务• 拥有成熟的化学合成能力及多种复杂化学合成技术• 配备高性能的计算机服务器，确保快速高效的数据处理• 拥有专业的分子模拟和药物设计团队，具备丰富的行业经验• 实施高度标准的数据隐私管理，确保信息安全
转载本文请联系原作者获取授权，同时请注明本文来自蒲姣姣科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3536222-1506819.html?mobile=1
收藏
