مروری بر روش‌های یادگیری عمیق در پیش‌بینی تعاملات دارو- هدف

شناسایی و اعتبارسنجی تجربی داروها کار بسیار پرهزینه و زمان‌بری است به همین خاطر موقعیت‌یابی مجدد دارو یک راه‌حل بالقوه برای حل این مسئله می‌باشد. استفاده از روش‌های محاسباتی برای پیش‌بینی تعاملات دارو و هدف کار ضروری در فرایند کشف دارو است. بر همین اساس روش‌های محاسباتی با پیشنهاد داروهای بالقوه‌ای که قبلاً در آزمایشگاه‌ها به‌خوبی اعتبارسنجی شدند می‌توانند فضای جستجو را کاهش دهند. یکی از رویکردهای روش‌های محاسباتی برای پیش‌بینی تعاملات دارو و هدف، روش‌های یادگیری عمیق می‌باشد. در سال‌های اخیر، یادگیری عمیق در بسیاری از زمینه‌های تحقیقاتی ازجمله بینایی ماشین و پردازش زبان طبیعی مورد توجه قرارگرفته است. امروزه استفاده از روش-های یادگیری عمیق در کشف داروها در حال افزایش می‌باشد اما در مقایسه با برخی دیگر از علوم زندگی، کاربرد آن ها در کشف داروها هنوز محدود می‌باشد. این مقاله با هدف مروری جامع بر روی تلاش های تحقیقاتی اخیر در این حوزه، به طبقه‌بندی مدل‌های ارائه ‌شده می پردازد در اینجا سه طبقه بندی بانظارت، بی نظارت و نیمه نظارتی ارائه شده و خلاصه ای از روش های موجود در هر طبقه بندی و مزایای استفاده از هر کدام از این روش ها نیز بیان شده است.