利用机器学习驱动的生物计算增强抗生素发现的综合指南
人工智能
2024-11-12 v1
摘要
传统药物发现是一个漫长、昂贵且复杂的过程。人工智能（AI）和机器学习（ML）的进步正在开始改变这一局面。本文全面概述了可用于简化和加速药物发现过程的不同AI和ML工具。通过使用数据集训练ML算法，可以相对快速且高效地发现药物或类药化合物。此外，我们讨论了基于AI的药物发现与开发的局限性，包括用于训练AI模型的高质量数据的稀缺性以及伦理考量。本文还强调了AI对制药行业日益增长的影响。最后，我们讨论了AI和ML如何加速新抗生素的发现，以应对全球抗菌药物耐药性（AMR）问题。
引用
@article{arxiv.2411.06009,
title = {A Comprehensive Guide to Enhancing Antibiotic Discovery Using Machine Learning Derived Bio-computation},
author = {Khartik Uppalapati and Eeshan Dandamudi and S. Nick Ice and Gaurav Chandra and Kirsten Bischof and Christian L. Lorson and Kamal Singh},
journal= {arXiv preprint arXiv:2411.06009},
year = {2024}
}
备注
65 pages