深度学习时代如何建模蛋白-配体相互作用助力药物发现.docxVIP

下载本文档

0
0
约8.7千字
约 16页
2025-11-18 发布于山西
举报
版权申诉

深度学习时代如何建模蛋白-配体相互作用助力药物发现.docx

此“医疗卫生”领域文档为创作者个人分享资料，不作为权威性指导和指引，仅供参考

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

药物发现是一个复杂、资源密集且成功率极低的过程。典型的小分子药物开发通常耗时超过十年，成本高达20–30亿美元。为避免在庞大的化学空间中进行穷举式搜索，理性药物设计（rationaldrugdesign）旨在通过对蛋白–配体相互作用的建模，识别能够与特定靶点结合的类药化合物。然而，由于分子间相互作用的复杂性以及传统计算方法的局限性，其实际应用常受制于高计算成本、可扩展性不足及在真实体系中预测精度有限等问题。近年来，深度学习技术的迅猛发展深刻重塑了药物发现的研究范式，AI设计的候选分子在临床I期试验中已展现出显著高于传统方法的成功率。凭借先进的神经网络架构，深度学习能