AlphaFold accelerates artificial intelligence powered drug discovery: efficient discovery of a novel CDK20 small molecule inhibitor

PeSTo: parameter-free geometric deep learning for accurate prediction of protein binding interfaces

题目：AlphaPeptDeep: a modular deep learning framework to predict peptide properties for proteomics文献来源：Nature Communications | (2022) 13:7238 1代码：https://github.com/MannLabs/alphapeptdeep简介：机器学习，特别是深度学习

AlphaFold accelerates artificial intelligence powered drug discovery: efficient discovery of a novel CDK20 small molecule inhibitor

在这里，我们回顾了药物发现背景下预测蛋白质-配体相互作用的计算方法，重点是使用人工智能(AI)的方法。我们首先简要介绍蛋白质（靶点），配体（例如药物）及其对非专家的相互作用。最后，我们调查和分析了用于预测蛋白质-配体结合位点，配体结合亲和力和结合姿势（构象）的机器学习(ML)方法，包括经典的ML算法和最近的深度学习方法。在探索了蛋白质-配体相互作用的这三个方面之间的相关性之后，有人提出应该统一研究

题目：AlphaPeptDeep: a modular deep learning framework to predict peptide properties for proteomics文献来源：Nature Communications | (2022) 13:7238 1代码：https://github.com/MannLabs/alphapeptdeep简介：机器学习，特别是深度学习

Organic reaction mechanism classification using machine learning

Artificial Intelligence in Drug Toxicity Prediction: Recent Advances, Challenges, and Future Perspectives

Chemistry42: An AI-Driven Platform for Molecular Design and Optimization

利用深度学习可以生成大量潜在的生物活性肽，类似于利用获得的生物活性肽作为训练集生成从头化合物。尽管基于深度学习的肽生成模型的可用性有限，但我们已经建立了一个LSTM模型（称为LSTM_Pep）来生成从头肽，并对模型进行微调，以生成具有特定预期治疗效益的肽。作者提出了一个筛选为给定目标生成的多肽的管道，并使用SARSCOV-2的主要蛋白酶作为概念验证。该工作揭示了开发基于深度学习的方法和管道，以有效