• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Active machine learning helps drug hunters tackle biology.

作者信息

Eisenstein Michael

机构信息

, Philadelphia, PA, USA.

出版信息

Nat Biotechnol. 2020 May;38(5):512-514. doi: 10.1038/s41587-020-0521-4.

DOI:10.1038/s41587-020-0521-4
PMID:32393920
Abstract
摘要

相似文献

1
Active machine learning helps drug hunters tackle biology.主动式机器学习助力药物研发人员应对生物学难题。
Nat Biotechnol. 2020 May;38(5):512-514. doi: 10.1038/s41587-020-0521-4.
2
Active-learning strategies in computer-assisted drug discovery.计算机辅助药物发现中的主动学习策略。
Drug Discov Today. 2015 Apr;20(4):458-65. doi: 10.1016/j.drudis.2014.12.004. Epub 2014 Dec 9.
3
Supervised Machine Learning with CITRUS for Single Cell Biomarker Discovery.使用CITRUS进行监督式机器学习以发现单细胞生物标志物
Methods Mol Biol. 2019;1989:309-332. doi: 10.1007/978-1-4939-9454-0_20.
4
A Drug-Target Network-Based Supervised Machine Learning Repurposing Method Allowing the Use of Multiple Heterogeneous Information Sources.一种基于药物-靶点网络的监督式机器学习重新利用方法，允许使用多个异构信息源。
Methods Mol Biol. 2019;1903:281-289. doi: 10.1007/978-1-4939-8955-3_17.
5
Feasibility of Active Machine Learning for Multiclass Compound Classification.主动机器学习在多类化合物分类中的可行性研究。
J Chem Inf Model. 2016 Jan 25;56(1):12-20. doi: 10.1021/acs.jcim.5b00332. Epub 2016 Jan 7.
6
Practical considerations for active machine learning in drug discovery.药物发现中主动机器学习的实用考虑。
Drug Discov Today Technol. 2019 Dec;32-33:73-79. doi: 10.1016/j.ddtec.2020.06.001. Epub 2020 Jul 19.
7
Prediction of Human Drug Targets and Their Interactions Using Machine Learning Methods: Current and Future Perspectives.使用机器学习方法预测人类药物靶点及其相互作用：现状与未来展望
Methods Mol Biol. 2018;1762:21-30. doi: 10.1007/978-1-4939-7756-7_2.
8
Rethinking Drug Repositioning and Development with Artificial Intelligence, Machine Learning, and Omics.利用人工智能、机器学习和组学重新思考药物重定位和开发。
OMICS. 2019 Nov;23(11):539-548. doi: 10.1089/omi.2019.0151. Epub 2019 Oct 25.
9
Drug-Target Interactions: Prediction Methods and Applications.药物-靶点相互作用：预测方法与应用
Curr Protein Pept Sci. 2018;19(6):537-561. doi: 10.2174/1389203718666161108091609.
10
From machine learning to deep learning: progress in machine intelligence for rational drug discovery.从机器学习到深度学习：用于理性药物发现的机器智能的进展。
Drug Discov Today. 2017 Nov;22(11):1680-1685. doi: 10.1016/j.drudis.2017.08.010. Epub 2017 Sep 4.

引用本文的文献

1
Optimizing drug design by merging generative AI with a physics-based active learning framework.通过将生成式人工智能与基于物理学的主动学习框架相结合来优化药物设计。
Commun Chem. 2025 Aug 8;8(1):238. doi: 10.1038/s42004-025-01635-7.
2
Predicting high-fitness viral protein variants with Bayesian active learning and biophysics.利用贝叶斯主动学习和生物物理学预测高适应性病毒蛋白变体
Proc Natl Acad Sci U S A. 2025 Jun 17;122(24):e2503742122. doi: 10.1073/pnas.2503742122. Epub 2025 Jun 9.
3
Establishment of interpretable cytotoxicity prediction models using machine learning analysis of transcriptome features.
利用转录组特征的机器学习分析建立可解释的细胞毒性预测模型。
Acta Pharm Sin B. 2025 Mar;15(3):1344-1358. doi: 10.1016/j.apsb.2025.02.009. Epub 2025 Feb 12.
4
Few-Shot Viral Variant Detection via Bayesian Active Learning and Biophysics.通过贝叶斯主动学习和生物物理学进行少样本病毒变体检测
bioRxiv. 2025 Mar 13:2025.03.12.642881. doi: 10.1101/2025.03.12.642881.
5
Finding the most potent compounds using active learning on molecular pairs.利用分子对的主动学习寻找最有效的化合物。
Beilstein J Org Chem. 2024 Aug 27;20:2152-2162. doi: 10.3762/bjoc.20.185. eCollection 2024.
6
Comprehensive applications of the artificial intelligence technology in new drug research and development.人工智能技术在新药研发中的综合应用。
Health Inf Sci Syst. 2024 Aug 8;12(1):41. doi: 10.1007/s13755-024-00300-y. eCollection 2024 Dec.
7
Next Decade's AI-Based Drug Development Features Tight Integration of Data and Computation.未来十年基于人工智能的药物研发具有数据与计算的紧密整合特点。
Health Data Sci. 2022 Jan 17;2022:9816939. doi: 10.34133/2022/9816939. eCollection 2022.
8
Characterizing emerging companies in computational drug development.描述计算药物开发中的新兴公司。
Nat Comput Sci. 2024 Feb;4(2):96-103. doi: 10.1038/s43588-024-00594-8. Epub 2024 Feb 26.
9
Navigating the Frontiers of Machine Learning in Neurodegenerative Disease Therapeutics.探索机器学习在神经退行性疾病治疗中的前沿领域。
Pharmaceuticals (Basel). 2024 Jan 25;17(2):158. doi: 10.3390/ph17020158.
10
Structural insights into inhibition of PRRSV Nsp4 revealed by structure-based virtual screening, molecular dynamics, and MM-PBSA studies.基于结构的虚拟筛选、分子动力学和MM-PBSA研究揭示的猪繁殖与呼吸综合征病毒Nsp4抑制的结构见解。
J Biol Eng. 2022 Feb 22;16(1):4. doi: 10.1186/s13036-022-00284-x.