Structure-based drug repurposing: Traditional and advanced AI/ML-aided methods.
Structure-based drug repurposing: Traditional and advanced AI/ML-aided methods.
复制标题
基于结构的药物重新利用：传统和先进的AI/ML辅助方法。
DOI：
10.1016/j.drudis.2022.03.006
复制
发表时间：
2022-07
影响因子：
7.4
通讯作者：
Priyakumar UD
中科院分区：
文献类型：
--
作者：
Choudhury C;Arul Murugan N;Priyakumar UD
当前以2019冠状病毒（COVID-19）大流行形式出现的全球卫生紧急情况凸显了对快速、准确和高效药物发现管道的需求。依赖于体外高通量筛选（HTS）的传统药物发现项目涉及大量投资和复杂的实验设置，只有大型生物制药公司才能负担得起。在这种情况下，应用高效的最先进计算方法和基于现代人工智能（AI）的算法来快速筛选可重复利用的化学空间[具有经过验证的药代动力学特征的批准药物和天然产物（NP）]以识别初始线索是节省资源和时间的强大选择。基于结构的药物再利用是一种流行的计算机再利用方法。在这篇综述中，我们讨论了传统和现代基于人工智能的计算方法和工具，应用于基于结构的药物发现（SBDD）管道的各个阶段。此外，我们强调了生成模型在生成分子与支架从可重复利用的化学空间的作用。
The current global health emergency in the form of the Coronavirus 2019 (COVID-19) pandemic has highlighted the need for fast, accurate, and efficient drug discovery pipelines. Traditional drug discovery projects relying on in vitro high-throughput screening (HTS) involve large investments and sophisticated experimental set-ups, affordable only to big biopharmaceutical companies. In this scenario, application of efficient state-of-the-art computational methods and modern artificial intelligence (AI)-based algorithms for rapid screening of repurposable chemical space [approved drugs and natural products (NPs) with proven pharmacokinetic profiles] to identify the initial leads is a powerful option to save resources and time. Structure-based drug repurposing is a popular in silico repurposing approach. In this review, we discuss traditional and modern AI-based computational methods and tools applied at various stages for structure-based drug discovery (SBDD) pipelines. Additionally, we highlight the role of generative models in generating molecules with scaffolds from repurposable chemical space.
登录
查看更多内容
影响因子：
3.6
作者：
Blaschke T;Olivecrona M;Engkvist O;Bajorath J;Chen H
通讯作者：
Chen H
影响因子：
8.6
作者：
Arus-Pous, Josep;Blaschke, Thomas;Engkvist, Ola
通讯作者：
Engkvist, Ola
影响因子：
2.9
作者：
Brylinski, Michal;Skolnick, Jeffrey
通讯作者：
Skolnick, Jeffrey
影响因子：
6.1
作者：
Elfiky, Abdo A.
通讯作者：
Elfiky, Abdo A.
影响因子：
5
作者：
Bruno, Agostino;Barresi, Elisabetta;Cosconati, Sandro
通讯作者：
Cosconati, Sandro