Генеративная химия: открытие лекарств с помощью генеративных моделей глубокого обучения

Создание молекулярных структур de novo с помощью генеративных моделей глубокого обучения открывает перспективный путь к поиску новых лекарств на фоне постоянно растущих затрат на их разработку. Способность этих моделей создавать оригинальные тексты, изображения и видео, а также разрабатывать новые молекулярные структуры демонстрирует впечатляющие возможности машинного интеллекта. Цель обзора — представить последние достижения генеративной химии, в которой генеративное моделирование используют для ускорения поиска лекарств. Сначала кратко изложена история применения искусственного интеллекта в поиске лекарств, что позволяет обозначить эту новую парадигму. Рассмотрены распространённые химические базы данных, способы представления молекул, а также инструменты хемоинформатики и машинного обучения, формирующие основу генеративной химии. Подробно обсуждается применение современных генеративных архитектур для создания соединений, включая рекуррентные нейронные сети, вариационные и состязательные автокодировщики, а также генеративно-состязательные сети. В заключение рассмотрены проблемы и перспективы развития.