Maschinelles Lernen und Deep Learning in datengestützten Entscheidungsprozessen der Arzneimittelentdeckung und Herausforderungen bei der hochwertigen Datenerhebung in der Pharmaindustrie

Die Vorhersage neuartiger Bioaktivitäten kleiner Moleküle zur Zieldekonvolution und Hit-to-Lead-Optimierung in der Arzneimittelforschung erfordert molekulare Repräsentation. Frühere Berichte haben gezeigt, dass maschinelles Lernen (ML) und Deep Learning (DL) erhebliche Auswirkungen auf das virtuelle Screening, die Peptidsynthese, das ADMET-Screening von Arzneimitteln und die Entdeckung von Biomarkern haben. Diese Strategien können die positiven Ergebnisse im Prozess der Arzneimittelentdeckung ohne falsch-positive Raten erhöhen und können kosteneffizient mit minimaler Dauer durch hochwertige Datenerhebung erreicht werden. Dieser Überblick diskutiert umfassend die aktuellen Entwicklungen in KI-Tools als Chemoinformatik-Anwendung in der medizinischen Chemie für datengestützte Entscheidungsprozesse der Arzneimittelentdeckung und die Herausforderungen bei der hochwertigen Datenerhebung in der Pharmaindustrie, während gleichzeitig die Bioaktivitäten und Eigenschaften kleiner Moleküle verbessert werden.