机构名称：
¥ 2.0
摘要 —随着计算机辅助技术的发展，包括生物化学和深度学习在内的研究界已在药物发现领域投入了十多年。深度学习的各种应用在药物发现中引起了极大的关注，例如分子生成、分子性质预测、逆合成预测和反应预测。而现有的大多数调查仅关注其中一种应用，限制了社区研究人员的视野。在本文中，我们对上述四个方面进行了全面的回顾，并讨论了不同应用之间的关系。为了更好地理解各种方法的发展，介绍了最新的文献和经典基准。我们首先总结这些作品中的分子表示格式，然后介绍针对这四个任务的最新提出的方法。此外，我们回顾了各种常用的数据集和评估指标，并比较了基于深度学习的模型的性能。最后，我们总结了剩余的挑战并讨论了深度学习方法在药物发现中的未来趋势。
用于小分子药物发现的深度学习方法
主要关键词
相关文件推荐
