编辑推荐：
在药物研发复杂且耗时的背景下，研究人员开展了关于人工智能（AI）在药物发现和开发领域应用的研究。通过分析 4059 篇科学出版物，得出 AI 研究呈增长趋势等结果，为相关领域提供了重要参考。
在药物研发的漫长征程中，传统的药物发现和开发过程宛如一场艰难的马拉松。它不仅耗时长久，常常需要耗费数年甚至数十年的时间，而且成本高昂，动辄花费数十亿美金。在这样的困境下，人工智能（AI）技术的出现，宛如一道曙光，为药物研发领域带来了新的希望。AI 凭借其强大的数据处理和分析能力，有望打破药物研发的僵局，加速创新的步伐。然而，随着 AI 在药物研发领域的应用日益广泛，如何系统地梳理和理解这一领域的发展脉络、现状以及未来趋势，成为了亟待解决的问题。正是在这样的背景下，来自土耳其巴斯肯特大学（Baskent University）医学院医学信息学系的研究人员 Murat Ko?ak 和 Zafer Ak?al?开展了一项极具价值的研究，其成果发表在《Journal of Cheminformatics》上。
这项研究旨在通过对 1990 - 2023 年间相关科学文献进行全面的计量分析，深入探讨 AI 在药物发现和开发领域的发展演变、研究趋势以及关键贡献者。研究人员希望借此为该领域的研究人员、行业专业人士和政策制定者提供有价值的见解和指引，助力他们更好地把握 AI 在药物研发领域的发展方向，充分发挥 AI 的潜力，推动药物研发取得更多突破。
研究人员采用了文献计量分析和网络分析等方法。数据来源为 Web of Science 核心合集（WoS CC）数据库，该数据库收录了 1990 - 2023 年间的相关文献。为确保数据的准确性和可靠性，研究人员精心设计了检索策略，并对检索结果进行了严格的筛选和处理。随后，运用 Bibliometrix R 包软件、VOSviewer 和 Litmaps 等工具对数据进行了全面深入的分析。
在研究结果部分，研究人员首先对数据集进行了概述。研究期间共纳入 4059 篇文献，这些文献由 13,932 位作者撰写，发表在 1071 种期刊上。研究发现，该领域文献数量呈逐年上升趋势，年平均增长率为 6.5%，且平均每篇文献的被引用次数达到 28.62 次，这充分表明了该领域研究的高影响力。进一步分析发现，2014 年后文献数量和引用次数均出现显著增长，在 2022 年达到峰值后略有下降，这或许意味着该领域正逐渐走向成熟。
在作者模式方面，研究人员依据洛特卡定律（Lotka’s Law）进行分析。结果显示，75% 的作者仅发表了 1 篇文献，虽然与理论预测略有偏差，但整体趋势验证了该定律在本领域的适用性。研究还发现，Ekins、Schneider、Hou Tj 和 Cao Ds 等是最具生产力的作者，他们的研究成果在该领域占据重要地位；而在被引用次数方面，Schneider G、Zhavoronkov A 和 Ekins S 等作者表现突出，其研究成果对领域发展贡献巨大。通过对作者合作网络的分析，研究人员发现该领域存在多个合作紧密的研究团队，分别聚焦于不同的研究方向，如机器学习在药物发现中的应用、新型 AI 算法在药物设计中的开发等。
对于科学期刊，研究发现《Journal Of Chemical Information And Modelling》《Briefings in Bioinformatics》和《Journal of Cheminformatics》是发表相关文章最多的期刊，尽管这三本期刊仅贡献了 12% 的文章，但依然在该领域占据重要地位，同时也表明还有众多其他期刊为该领域的文献做出了重要贡献。
在关键词分析中，研究人员发现 “蛋白质折叠”“定量构效关系（QSAR）”“基因表达数据”“冠状病毒” 和 “基因组重排” 等是出现频率较高的主题。这些主题反映了 AI 在药物发现中的广泛应用，包括预测蛋白质结构、分析基因组数据以及加速针对新兴疾病的药物开发等。通过对作者关键词的共现分析，研究人员还识别出了四个主要的研究集群，分别涉及深度学习、AI 与药物发现开发、机器学习以及分子成像和对接等不同研究方向。
在国家和大学层面，研究人员通过机构合作网络和发表文章数量分析发现，中国和美国在该领域处于领先地位。中国的中国科学院、四川大学和浙江大学等，以及美国的哈佛大学、匹兹堡大学和加利福尼亚大学等都是重要的研究机构。国际合作在该领域也较为常见，占出版物的 28.06%，中美两国在生产力和影响力方面均位居前列。
在资金支持方面，研究表明中国国家自然科学基金（NSFC）和美国卫生与公众服务部是支持该领域科研出版物最多的组织。自 2006 年起，各国对 AI 在药物发现研究的支持逐渐增加，2015 年后中国凭借 NSFC 在这方面的支持力度领先其他国家和组织。
综合研究结果和讨论部分，这项研究全面展示了 AI 在药物发现和开发领域的重要作用和巨大潜力。研究揭示了该领域的发展趋势，明确了关键贡献者和研究热点，为后续研究提供了清晰的方向指引。然而，研究也存在一定的局限性，如数据来源主要依赖 WoS CC 数据库，可能导致部分非英语国家和新兴研究中心的相关研究被遗漏；文献计量分析侧重于回顾过去，难以完全捕捉新兴趋势和预测未来方向；研究仅聚焦于 AI 在药物发现领域，未涉及 AI 在更广泛的医疗保健和生物医学研究中的应用。尽管如此，该研究依然为 AI 在药物研发领域的进一步发展奠定了坚实基础，对于推动全球药物研发的创新和进步具有重要意义。它提醒着科研人员、行业从业者和政策制定者，应继续加大对 AI 基础设施的投入，加强跨学科合作和全球伙伴关系，以充分发挥 AI 在药物研发中的潜力，为解决全球健康问题提供更有力的支持。
