大数据时代下人工智能与机器学习在小分子药物发现中的创新应用与展望

本期推荐：来自全球的研究人员聚焦AI/ML（人工智能/机器学习）在小分子药物研发中的突破性应用，通过深度学习(DL)算法开发了AI-DPAPT、iDCNNPred等专家系统，针对ALK、HDAC3等靶点优化药物设计，显著提升虚拟筛选和分子动力学整合效率，为复杂疾病治疗提供新策略。

　　

在当今大数据浪潮中，人工智能(AI)与机器学习(ML)正重塑小分子药物研发的格局。这些尖端技术通过高效分析海量数据，显著加速了从靶点识别到化合物优化的全流程。在药物设计领域，AI/ML不仅用于靶点验证（如cathepsin K、PARP-1等），还能精准预测化合物的理化性质、药效团特征和ADMET（吸收、分布、代谢、排泄和毒性）参数，甚至为老药新用(药物重定位)和合成路线创新提供洞见。

《Molecular Diversity》期刊持续关注这一前沿领域，最新特辑(2025年第29卷第4期)汇集了50篇研究成果，包括5篇综述和45篇原创论文。研究者们开发了诸多创新工具：如基于图神经网络的GraphkmerDTA可预测药物-靶点相互作用，QMGBP-DL算法则整合量子力学与深度学习来优化分子特性。特别值得注意的是，这些研究覆盖了从WEE1激酶到PI3Kγ等热门靶点，为癌症、代谢性疾病等难治性病症带来新希望。

该领域未来方向包括：开发更强大的ML/DL算法框架、构建新型专家预测系统，以及注重治疗靶点与分子骨架的创新性探索。所有投稿需符合COPE（出版伦理委员会）规范，并鼓励实验验证与理论深度分析相结合的研究范式。