分子动力学模拟和机器学习结合在药物设计领域的应用

作者：谷书凯; 王哲; 侯廷军; 康玉^*

来源：中国现代应用药学, 2022, 39(21): 2804-2808.

DOI：10.13748/j.cnki.issn1007-7693.2022.21.016

• 药物设计
• 分子动力学模拟
• 机器学习

近年来，传统计算机辅助药物分子设计(computer-aided drug molecular design,CADD)和人工智能技术的融合为创新药物发现带来新的契机。分子动力学模拟(molecular dynamics simulation,MD)是CADD中一项不可或缺的经典技术，作为一种强大的模拟计算方法，常常用来研究靶标和药物之间相互作用的动态过程；机器学习(machine learning,ML)作为一种数据驱动的建模方法，正在被广泛应用于药物发现的各个阶段。MD和ML内在互补的特性，为两者的有机结合提供了诸多可能。一方面，ML可以用来分析MD中产生的海量、高维结构动态信息，通过特征提取、降维等策略，识别关键状态和构象，阐明生物体系动态演变背后的潜在机制；另一方面，MD产生的包含结构动态信息的数据可以用于ML模型训练，提高模型对靶标-药物体系热力学性质和动力学性质的预测精度。因此，MD和ML的有效结合在基于结构的药物设计领域的应用具有重要意义。

• 单位
  浙江大学