数据驱动的药物设计方法学研究 | |
郑明月; 蒋华良; 陈凯先 | |
2016-07-01 | |
关键词 | 药物设计 虚拟筛选 机器学习 结构活性关系 ADMET |
页码 | 1 |
英文摘要 | 当前,各种生物医药数据以前所未有的速度增长,如何更好的利用这些数据和信息,深入理解药物作用的复杂生物过程,提高先导化合物发现的效率,并提升候选化合物的安全性和有效性,是目前和今后创新药物研发的重要研究内容。我们主要围绕药物靶标-配体相互作用评价、药物靶标预测以及早期ADME性质和毒副作用评价等方面,开展数据驱动的药物设计方法学发展和应用研究。随着数据积累、计算水平及分析手段的不断发展,基于大规模数据的药物设计方法有望成为创新药物研究快速发展的关键推动力之一。 |
会议录 | 中国化学会第30届学术年会摘要集-第二十五分会:化学信息学与化学计量学 |
文献子类 | Article |
语种 | 中文 |
内容类型 | 会议论文 |
源URL | [http://119.78.100.183/handle/2S10ELR8/267037] |
专题 | 药物发现与设计中心 |
作者单位 | 中国科学院上海药物研究所,药物发现与设计中心,上海 201203, 中国. |
推荐引用方式 GB/T 7714 | 郑明月,蒋华良,陈凯先. 数据驱动的药物设计方法学研究[C]. 见:. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论