面向药物发现与开发的可解释人工智能——综述
人工智能
2023-11-03 v2
摘要
随着人工智能(AI)和机器学习(ML)技术的出现，药物发现领域经历了显著的变革。然而，随着这些 AI 和 ML 模型变得越来越复杂，对模型透明度和可解释性的需求也日益增长。可解释人工智能(XAI)是一种解决此问题并提供对机器学习模型预测更具可解释性理解的新方法。近年来，将 XAI 技术应用于药物发现的兴趣不断增加。本综述文章全面概述了用于药物发现的 XAI 的当前最新进展，包括各种 XAI 方法、它们在药物发现中的应用，以及 XAI 技术在药物发现中的挑战与局限。文章还涵盖了 XAI 在药物发现中的应用，包括靶点识别、化合物设计和毒性预测。此外，文章提出了 XAI 在药物发现中应用的潜在未来研究方向。本综述文章旨在全面理解药物发现中 XAI 的现状及其变革该领域的潜力。
引用
@article{arxiv.2309.12177,
title = {Explainable Artificial Intelligence for Drug Discovery and Development -- A Comprehensive Survey},
author = {Roohallah Alizadehsani and Solomon Sunday Oyelere and Sadiq Hussain and Rene Ripardo Calixto and Victor Hugo C. de Albuquerque and Mohamad Roshanzamir and Mohamed Rahouti and Senthil Kumar Jagatheesaperumal},
journal= {arXiv preprint arXiv:2309.12177},
year = {2023}
}
备注
13 pages, 3 figures