机器学习药物设计：使用归纳逻辑编程建模与二氢叶酸还原酶结合的甲氧苄啶类药物的结构-活性关系。

归纳逻辑编程领域的机器学习程序GOLEM被应用于药物设计中，建模结构-活性关系。该程序的训练数据包括44种甲氧苄啶类药物及其对大肠杆菌二氢叶酸还原酶的观察抑制情况。还使用了另外11种化合物作为未见测试数据。GOLEM获得的规则在训练数据上统计上更为准确，并且在测试数据上也优于Hansch线性回归模型。重要的是，机器学习产生的可理解规则描述了受欢迎抑制剂的化学特征，包括极性、灵活性和氢键特性。这些规则与晶体学观察到的相互作用的立体化学相符。