构建AI药物发现流程
使用受AlphaFold启发的模型进行药物筛选、生成和优化
了解机器学习、深度学习和生成式AI如何变革药物研发流程，通过PyTorch实践构建模型——包括深入探索DeepMind的AlphaFold。
《构建AI药物发现流程》介绍了推动现代医学研究的机器学习和深度学习技术。每一章都涵盖制药行业的实际案例，向您展示研究人员如何着手研究癌症、疟疾、自身免疫疾病等的治疗方法。您甚至会探索用于创建DeepMind的AlphaFold的技术，对这一突破性模型进行深入的案例研究。
在《构建AI药物发现流程》中，您将学习：
- 药物发现与虚拟筛选
- 用于药物发现的经典机器学习、深度学习和大型语言模型
- 使用RDKit分析分子数据
- 使用PyTorch创建药物发现模型
- 复现尖端药物研发技术
机器学习已加速了药物发现过程，将新药研发时间从几十年缩短至数年甚至数月。在这本实用指南中，您将学习创建使这些发现成为可能的机器学习模型。您将使用由Google DeepMind和诺贝尔奖得主Demis Hassabis爵士创建的AlphaFold模型的完整实现，研究Nvidia的BioNeMo流程，并探索其他行业模型。
关于本书
《构建AI药物发现流程》介绍了药物发现和化学信息学的基础知识，以及制药行业领导者使用的机器学习技术。每一章都引导您完成一个引人入胜的实践项目，探索真实的医疗问题。您将构建完整的筛选流程来评估化合物治疗疟疾的潜力，复现已发表的HIV药物设计方法，学习使用深度生成模型进行新型药物优化，并了解大型语言模型如何解决蛋白质折叠的常见问题。
关于读者
您只需要具备Python基础知识。本书将教会您其余所有内容。
关于作者
Noah Flynn是亚马逊的一名研究科学家，拥有圣路易斯华盛顿大学的计算生物学博士学位。他开发了深度学习应用程序，用于筛选药物的生物活化、反应性代谢物形成、药物-药物相互作用以及其他类型的毒性问题。他曾在美国雅培(AbbVie)和默克(Merck)工作，分析基因调控网络和蛋白质-蛋白质相互作用，并应用生成模型构建和优化新型化合物库。他目前在亚马逊研究大型语言模型的应用。
"这是一本将机器学习与药物开发洞见巧妙结合的书籍。对于任何寻求在制药创新中利用AI力量的人来说，这是一本必读之作。"
"我会向同事推荐这本书，强调其在药物发现中应用机器学习的实践方法。我会着重指出它如何在技术概念与实际应用之间架起桥梁，使其成为任何希望利用AI/ML进行创新的医疗保健或生物技术专业人士的必备资源。"
【全文结束】
