人工智能与药物设计 pdf下载

编辑推荐：

 本书读者对象为广大有志从事生命科学领域与药物研发领域交叉研究的科研或技术工作者，一、通过系统介绍人工智能算法，阐述不同算法的原理、应用场景和算法特点，为后续介绍人工智能与药物研发的交叉内容提供基础，一方面为非计算机专业的读者普及算法方面的认知，另一方面为计算机专业的读者提供系统性回顾；二、为数据基础与表征；三、以药物研发流程为书籍脉络，针对每个人工智能算法课融入的关键步骤，首先介绍药物设计基础原理与现存挑战，进而系统性回顾介绍AI算法在该研究方向上的进展情况。四、程序代码。

    本书基于人才培养，特色鲜明：

    ①本书结合分层式、渐近式和拓展式等多样的知识介绍形式，深入浅出地介绍药物设计原理，剖析人工智能的交叉应用实例，展望发展方向，适合于不同知识储备、不同研究领域的读者。

    ② 目标面向药物科学、生命科学领域与计算机科学领域的交叉研究。分别以介绍人工智能算法与药物设计原理为基础，阐述基础原理；介绍交叉应用与研究进展，让读者概览前沿内容；之后提供程序代码实例，让读者学以致用，进行实战练习。“教-学-用”一脉贯通。 

    ③各个章节的作者均为所涉研究专题的专家，精通各领域的研究进展、存在的问题和发展前景，通过展望与总结，对有志于开展相关方面研究的读者指明了更深入的研究方向。

内容简介：

本书主要内容分为四部分：①人工智能算法基础；②数据基础与表征；③人工智能与药物设计；④程序代码。通过系统介绍人工智能算法，阐述不同算法的原理、应用场景和算法特点，为后续介绍人工智能与药物研发的交叉内容提供基础。全书以药物研发流程为脉络，针对每个人工智能算法融入的关键步骤，首先介绍药物设计基础原理与现存挑战，进而系统性回顾介绍人工智能算法在该研究方向上的进展情况，每部分都穿插介绍已有的交叉应用实例，以利于加深对图书内容的理解与灵活运用。提供原始的代码文件，为读者开展实践应用提供直接资料。

作者简介：

李洪林，华东师范大学紫江学者特聘教授，人工智能新药创智中心主任；华东理工大学药学院兼职教授，上海市新药设计主任；临港实验室副主任。入选国家杰出青年科学基金，国家万人计划领军人才等。获教育部自然科学一等奖、中国青年科技奖等多项奖励。享受国务院政府特殊津贴。长期致力于药物科学基础和新药发现，围绕靶标发现和药物设计中的科学问题，发展人工智能与药物设计方法和软件，开展新靶标发现和创新药物发现研究。现已在 PNAS、NAR、JMC等专业期刊上发表论文180余篇，获授权专利50余项；已发展药物设计和靶标预测新方法和软件10余套，建立的方法和平台全球科研用户超过3.5万；发现原创候选药物十余个，已实现科研成果转化6项。

  郑明月，中国科学院上海药物研究所研究员，课题组长，博士生导师。入选国家杰出青年科学基金，中科院青年创新促进会会员，腾讯 AI Lab 犀牛鸟专项研究计划。获得中国药学会施维雅青年药物化学奖，上海市人才发展资金，药明康德生命化学研究奖等奖励和荣誉。针对人工智能药物设计开展多学科交叉研究，在数据信息资源的挖掘和可持续利用，人工智能算法和软件开发，及其在药物化学和药理学研究中的概念验证和应用探索方面取得了阶段性的进展。开发的“基于大数据和人工智能的药物设计前沿技术”获得第十五届“药明康德生命化学研究奖”，并入选中国科协发布的首届“科创中国”先导技术榜单。

    朱峰，浙江大学长聘正教授，博士生导师。入选国家万人计划领军人才、国家四青人才、科技部创新人才推进计划科技创新领军人才、浙江省杰出青年基金获得者、浙江省创新长期。爱思唯尔出版社Comput Biol Med杂志主编，美国化学会J Chem Inf Model杂志副主编。运用人工智能、复杂网络分析等生物信息学手段和多组学新技术，分析和发现具有治疗效用药物靶点的成药性和系统生物学特性，发展新颖的用于药靶发现的新型预测方法和面向全球的在线工具，并进一步研究多靶点药物与重要靶点的相互作用机制。

    白芳，上海科技大学免疫化学研究所研究员，生命科学与技术学院常任助理教授，兼任信息科学与技术学院特聘教授、博士生导师。曾任美国得克萨斯大学休斯顿健康科学中心助理教授。获中央组织部青年海外高层次人才，上海市青年科技启明星。研究方向以发展药物设计新计算方法为主，并致力于新药设计与药物作用机制等研究应用。在Science、Nature、PNAS、Chem Sci、NAR等期刊上发表论文40余篇，申请专利10余项。

目录：

绪论——人工智能与药物设计的发展
第一部分  人工智能算法基础
 第1章  机器学习基础
   1.1  监督学习
     1.1.1  概念
     1.1.2  分类
     1.1.3  回归
     1.1.4  小结
   1.2  无监督学习
     1.2.1  无监督学习的基本概念
     1.2.2  无监督学习的基本算法
     1.2.3  小结
   1.3  强化学习
     1.3.1  强化学习的概念
     1.3.2  有模型学习和免模型学习
     1.3.3  求解方法
     1.3.4  强化学习算法
     1.3.5  小结
   1.4  模型评估与验证
     1.4.1  模型评估指标介绍
     1.4.2  模型验证方法介绍
     1.4.3  小结
   1.5  应用实例与代码
     1.5.1  监督学习应用
     1.5.2  无监督学习应用
   参考文献
   拓展阅读
 第2章  深度网络结构设计基础
   2.1  卷积神经网络
     2.1.1  卷积神经网络的组件
     2.1.2  神经网络的训练
     2.1.3  基于卷积神经网络的图像分类
     2.1.4  基于卷积神经网络的图像分割
   2.2  循环神经网络
     2.2.1  循环神经网络结构
     2.2.2  双向循环神经网络
     2.2.3  深度循环神经网络
     2.2.4  长短期记忆网络
     2.2.5  双向长短期记忆网络
     2.2.6  门控循环单元
     2.2.7  基于长短期记忆网络的视频分类
   2.3  Transformer
     2.3.1  自然语言处理中的Transformer
     2.3.2  视觉任务中的Transformer
   2.4  图神经网络
     2.4.1  图卷积神经网络
     2.4.2  图注意力网络
   2.5  小结
   参考文献
   拓展阅读
 第3章  深度生成模型
   3.1  变分自编码器
     3.1.1  自编码器
     3.1.2  隐变量生成模型
     3.1.3  变分自编码器
   3.2  生成式对抗网络
     3.2.1  生成式对抗网络的理论分析
     3.2.2  Wasserstein生成式对抗网络
   3.3  流生成模型
     3.3.1  随机变量替换
     3.3.2  标准化流
     3.3.3  RealNVP网络
     3.3.4  Glow
     3.3.5  流模型在文本预训练表示上的应用
   3.4  小结
   参考文献
 ……
第二部分  数据基础与表征
第三部分  人工智能与药物设计
附录：缩略语对照表
索引

前言：

时光如白驹过隙。特殊的三年使大家的生活和工作都放慢了节奏，也改变了人们的行为和思维方式。回溯过往，思绪又被拉回至2019年8月中旬，2019中国药物化学学术会议在成都举办。蒋华良院士做了《我国药物分子设计40年历程》的大会报告，并在《中国科学：生命科学》期刊“新中国成立70周年生命科学研究进展”专辑上同期发表了《中国药物分子设计40年发展成就》的评述文章。该文系统地总结了我国药物分子设计在方法发展和具体药物研发中40年的进展，指出中国药物创新的春天已经来临，而作为创新药物研发的重要技术支撑的药物设计也必将迎来新的发展机遇和更为广阔的发展空间，并预见在市场需求和技术进步的双重推动之下，药物设计在我国创新药物研发中必将发挥更大的作用。

当时，人工智能（Artificial Intelligence，AI）在国外的进展已经有了坚实和颠覆性的成果。如DeepMind提出Alpha系列：从Alpha Go到Alpha Zero，再到AlphaStar、AlphaFold，以及到现在的AlphaFold2等科学发现领域的一项项重要里程碑，给大家展示了人工智能和传统科学结合带来的巨大潜能，也使得从人类思维方式中获取灵感的人工智能技术，逐渐在慢慢改变人类的学习和思维方式。作为人工智能技术的重要应用场景，其在我国药物设计领域的探索和研究正逐步开展。尽管当时会场上与人工智能新药发现相关的报告还不是很多，但已经场场爆满，足以说明大家对该主题的兴趣和期望之高。编者本人也受邀做了《人工智能与药物设计》命题报告，就前期发展的一些AI药物设计方法与具体的新药发现相结合案例在会上进行了分享。会后化学工业出版社编辑邀约，希望我能组织编写一本入门级或研究生教育课程读本。但苦于本人才疏学浅又事务繁忙，一直不能静下心来仔细思考、理清思路，又担心撰写的速度跟不上国际该领域发展的进度，便一直没有组织好编写队伍。感谢编辑的信任和坚持，在她的再三邀约下，终于在2022年上海新冠疫情封控的几个月里，组织国内本领域的中青年学者完成了本书初稿的撰写。

人工智能药物设计是一门基于计算机科学、药学、人工智能、化学和生物学等学科的交叉研究方向。目的是利用人工智能技术，阐明药物分子与靶标生物大分子的相互作用以及药物在体内的复杂过程，揭示药物分子结构与生物活性、成药性和安全性的相互关系，助力新药物研发和先进制造。以人工智能等为代表的新一代信息技术正推动着生命与健康领域研究发生快速变革。

人工智能在创新药物研发领域的应用需要算法工程师和药学家、化学家的紧密合作，更需要同时掌握人工智能技术和药物设计研发手段的复合型创新人才。但现实情况是，一方面，交叉学科人才培养规模与人工智能医药研发的产业需求规模相比，存在较大缺口；另一方面，由于相关课程大纲及学习材料相对匮乏，各地院校目前在相关人才培养过程中存在挑战，学生较难在短时间内建立系统化的知识体系。本书主要从人工智能重要算法理论知识及其在药物设计中的应用进展两方面展开介绍，受众面向有兴趣开展学科交叉研究的深度学习初学者、进阶者及工程师，同时包括生物和医药相关专业的本科生、研究生和研发人员。

本书首先强调以人工智能算法为切入点，提高药物设计的质量和效率。第一部分系统介绍了深度学习的基础知识和常用算法；第二部分介绍了在药物分子设计中常见的数据类型，简要地介绍了药物相关的数据资源，并且探讨了如何设计神经网络架构来自动学习不同数据类型的特征和表示方法；第三部分主要介绍了人工智能算法在新药研发不同环节或细分场景中的应用和案例，这些场景涉及不同学科的交叉，也有技术之间的互相渗透。高价值的应用场景、高效的算法、海量的数据，是实现人工智能垂直领域价值的基础。在药物研究的一些场景中，人工智能已经开始帮助解决行业的核心痛点，而在另一些场景中仍有待探索，仍需要长时间的积累与提升才有可能真正实现突破。

本书在专业铺陈中，突出问题导向。以药物研发中的科学问题和技术难题为落脚点，最终满足临床新药发现需求。这一方面要求我们深入理解新药发现中具体的生物学、化学或医学等科学问题，另一方面需要我们具备将其转化成为应用边界清晰的人工智能建模问题的能力。我们希望读者能通过本书所介绍的算法和应用案例，学习到如何从计算机、数据和信息科学的角度思考和解决生命科学问题，以及如何利用人工智能这一前沿和先进方法解决新药研发中的技术难点问题，而不是简单地了解人工智能药物设计能做些什么。

本书作者都是国内外长期从事机器学习、人工智能和药物设计领域科研和教学工作的中青年学者，能够较为准确地把握本领域研究的最新进展和发展方向。他们结合自己丰富的工作和实践经验，在本书中系统地介绍了人工智能和药物设计的理论、技术、方法及其实际应用。由于绝大部分内容都出自编写者的研究工作和经验，因此本书兼具较高的学术性和实用性。感谢化学工业出版社对本书的重视以及为本书出版所做的一切。

谨以此书献给中国科学院院士蒋华良先生！先生是我国药物设计学科的开拓者之一，也是我国人工智能新药设计领域的先驱者。他带领我们率先开展了基于大数据和人工智能的药物设计前沿技术的前瞻性探索，极大地推动了我国该前沿领域和人工智能药物发现产业的发展。先生虽已仙逝，但他的科学精神将永存。

限于编者水平和该领域发展迅速，难免有疏漏和不当之处，恳请广大师生和同行批评指正。

编者

2023年4月