返回成果与获奖
依据章节结构绘制。以湿实验瓶颈与 AI 预测优势为背景,主体从分子表征、模型架构、可解释性到分子性质优化依次展开,并介绍在线数据库与预测 / 优化平台,最后讨论挑战与未来方向。
OUTPUT · BOOK CHAPTER
AI-Driven Prediction of Drug ADMET Properties
内容简介
化学 ADMET(吸收、分布、代谢、排泄与毒性)性质在药物发现与开发中发挥着关键作用。 然而,通过湿实验测定 ADMET 性质耗时、费力且成本高昂。 人工智能(AI)技术的兴起为克服这些挑战提供了新途径—— 基于 AI 的 ADMET 预测方法具有速度快、精度高、效率高且资源消耗低的特点。 本文探讨了 AI 在 ADMET 预测中的近期应用, 涵盖分子表征方法、模型架构、可解释性方法与分子性质优化, 并介绍了在线数据库与预测 / 优化平台。 最后,我们重点分析了 AI 在 ADMET 预测中面临的挑战,并提出该领域潜在的未来发展方向。
章节框架
AI 驱动的药物 ADMET 性质预测 · 章节框架
作者
Yang C, Duan H, Fang J, Li W, Liu G, Tang Y.
出版说明
章节目前在审,尚未正式出版,出版信息以最终成书为准。