Il prossimoProssima guida
Identificazione del target dell'intelligenza artificiale nella scoperta di farmaci
Industrie
GUIDA alle industrie
AI methods can support several stages of drug research, including protein-structure prediction, molecular property prediction, virtual screening and molecule generation.
Ascolta questa guidaNarrato dall'IA · ~2 min
A model result is a research hypothesis or prioritization signal, not evidence of clinical safety or efficacy.
AlphaFold predicts protein structures, while AlphaFold 3 extends structure prediction to biomolecular complexes involving proteins, nucleic acids, small molecules and other components. MoleculeNet describes machine-learning tasks over molecular representations including graphs and SMILES. Deep Docking illustrates one virtual-screening approach that uses predictions to reduce how many compounds require expensive docking calculations. DeepTox and later molecular-generation studies address toxicity prediction and candidate generation; these methods do not establish a compound’s safety, efficacy or clinical success. FDA describes preclinical testing and an IND process before clinical studies in people.
Using AlphaFold to predict protein structures, as reported in its paper and resource database.
Using AlphaFold 3 to predict structures and interactions among proteins, nucleic acids, small molecules and other biomolecules.
Representing molecules as graphs or SMILES strings in molecular-learning benchmarks.
Using virtual screening to prioritize compounds for experimental testing, with predictions treated as uncertain.
Evaluate screening and generation methods on prospective, target-relevant data and report experimental confirmation rates. Follow regulatory requirements for preclinical and human research; remove candidates only after evidence appropriate to the task, rather than treating model scores as final decisions.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
AI methods can support several stages of drug research, including protein-structure prediction, molecular property prediction, virtual screening and molecule generation. A model result is a research hypothesis or prioritization signal, not evidence of clinical safety or efficacy.
AlphaFold ha utilizzato il deep learning per prevedere le strutture 3D delle proteine su larga scala, fornendo ai ricercatori progetti strutturali che in precedenza richiedevano anni di esperimenti.
Le molecole sono naturalmente grafici (atomi = nodi, legami = bordi) elaborati da reti neurali a grafo o codificati come stringhe SMILES per modelli di sequenza.
Lo screening virtuale utilizza modelli per valutare enormi librerie di molecole in silico, in modo che solo i migliori candidati vengano realizzati e testati in laboratorio.
Computational ADME/toxicity predictions can prioritize compounds for follow-up; they are model outputs and do not establish safety or replace experimental testing.
Modelli generativi come VAE e modelli di diffusione campionano nuove strutture da uno spazio chimico appreso, ottimizzando le proprietà desiderate.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Identificazione del target dell'intelligenza artificiale nella scoperta di farmaci
Industrie