Aprendizaje Automático y Aprendizaje Profundo en la Toma de Decisiones Basada en Datos para el Descubrimiento de Fármacos y Desafíos en la Adquisición de Datos de Alta Calidad en la Industria Farmacéutica

Predecir nuevas bioactividades de pequeñas moléculas para la deconvolución de objetivos, la optimización de hit-to-lead en la investigación de descubrimiento de fármacos, requiere representación molecular. Informes anteriores han demostrado que el aprendizaje automático (ML) y el aprendizaje profundo (DL) tienen implicaciones sustanciales en el cribado virtual, la síntesis de péptidos, el cribado ADMET de fármacos y el descubrimiento de biomarcadores. Estas estrategias pueden aumentar los resultados positivos en el proceso de descubrimiento de fármacos sin tasas de falsos positivos y se pueden lograr de manera rentable con una duración mínima de tiempo mediante la adquisición de datos de alta calidad. Esta revisión discute sustancialmente las actualizaciones recientes en herramientas de IA como aplicación de quimioinformática en química medicinal para la toma de decisiones basada en datos en el descubrimiento de fármacos y los desafíos en la adquisición de datos de alta calidad en la industria farmacéutica, mientras se mejoran las bioactividades y propiedades de pequeñas moléculas.