药物设计的深度学习（DeepLearningforDrugDesign）
翻译《Deep Learning for Drug Design: an Artificial Intelligence Paradigm for Drug
Discovery in the Big Data Era》
摘要
过去的⼗年中，深度学习（deeplearning, DL）⽅法已经⾮常成功并⼴泛⽤于开发⼏乎每个领域的⼈⼯智能（AI）。与传统的机器学习（machine learning, ML）算法相⽐，DL⽅法在⼩分⼦药物发现和开发⽅⾯还有很长的路要⾛。对于DL研究的推⼴和应⽤，例如⼩分⼦药物研究和开发，还有很多⼯作要做。本综述主要讨论了监督学习和⾮监督学习等⼏种最强⼤和主流的体系结构，包括卷积神经⽹络（CNN）、递归神经⽹络（RNN）和深度⾃动编码器⽹络（DAENs），总结了⼩分⼦药物设计中的⼤部分代表性应⽤；并简要介绍了如何在这些应⽤程序中使⽤DL⽅法。还强调了关于DL⽅法利弊的讨论以及我们需要解决的主要挑战。
⼀、背景
与深蓝相⽐，IBM开发的chessplaying计算机第⼀次在20世纪90年代击败世界冠军，AlphaGo集成了⼀种被称为卷积神经⽹络（CNN）的先进创新架构，该架构是在神经⽹络（NN）中的深度学习（DL）算
法最成功的实现之⼀。受益于⼤数据分析的兴起以及⼤规模计算能⼒的发展，特别是图形处理单元（GPU）计算的
>design翻译

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。