智能药物研发

宋弢, 曾湘祥, 王爽, 王建民

出版时间

2022-11-01

ISBN

9787302618386

评分

★★★★★
书籍介绍

《智能药物研发--新药研发中的人工智能》围绕生物化学分子,介绍了新药研发过程中各阶段的人工智能技术,主要内容包括人工智能在生物分子的化学表征方法、基于分子表征的无监督预训练方法、分子性质预测、智能分子生成、药物-靶标相互作用预测、药物-药物相互作用预测、生物医药知识图谱应用、分子逆合成设计及生物医学命名实体识别等方面的应用。

宋弢,教授,博士生导师,国家级人才项目青年专家,山东省泰山学者,山东省青年五四奖章获得者,山东省青年创新团队负责人,爱思维尔中国高被引专家,入选全球前2%顶尖科学家年度影响力榜单。2015年10月,华中科技大学,机械工程博士后流动站出站,入职中国石油大学。

主要研究方向:智能信息处理、智能药物设计、海洋环境智能预报等。

曾湘祥,教授、博士生导师、国家高层次青年人才计划入选者、湖南省杰出青年基金获得者。曾受邀在哈佛大学、印第安纳大学、俄克拉荷马州立大学等地合作研究,曾担任厦门大学博士生导师,马德里理工大学客座研究员,香港中文大学荣誉访问教授。获2019年吴文俊人工智能优秀青年奖,2020年亚马逊机器学习研究奖,厦门大学教学成果奖特等奖,福建省教学成果奖二等奖,福建省自然科学奖三等奖,CCF科学技术奖。他入选了科睿维安2020和2021年度“全球高被引科...

(展开全部)

作者简介
宋弢,教授,博士生导师,国家级人才项目青年专家,山东省泰山学者,山东省青年五四奖章获得者,山东省青年创新团队负责人,爱思维尔中国高被引专家,入选全球前2%顶尖科学家年度影响力榜单。2015年10月,华中科技大学,机械工程博士后流动站出站,入职中国石油大学。 主要研究方向:智能信息处理、智能药物设计、海洋环境智能预报等。 曾湘祥,教授、博士生导师、国家高层次青年人才计划入选者、湖南省杰出青年基金获得者。曾受邀在哈佛大学、印第安纳大学、俄克拉荷马州立大学等地合作研究,曾担任厦门大学博士生导师,马德里理工大学客座研究员,香港中文大学荣誉访问教授。获2019年吴文俊人工智能优秀青年奖,2020年亚马逊机器学习研究奖,厦门大学教学成果奖特等奖,福建省教学成果奖二等奖,福建省自然科学奖三等奖,CCF科学技术奖。他入选了科睿维安2020和2021年度“全球高被引科学家”名单,爱思唯尔2021年年度“中国高被引学者”名单,斯坦福发布的“全球前2%顶尖科学家”名单。 研究方向包括计算智能,知识图谱,生物医药大数据等,近年来在nature子刊、cell子刊、TKDE/TNNLS/TPDS/TCYB、AAAI、IJCAI等期刊和会议发表论文100余篇。获IMCS2016年度最佳论文奖,ACMC2019国际会议最佳论文奖。成果入选世界人工智能大会“卓越引领者奖”榜单。创办的DrugAI公众号入选2020年度中国“学术媒体公众号Top10”。
AI导读
编辑书评
  • 本书的核心价值在于其‘结构化’而非‘原创性’。在AI制药这一极度碎片化且快速迭代的领域,作者成功地将散落在各顶会论文中的技术点串联成符合新药研发流程的逻辑链条。它好在提供了一个稳定的认知锚点,让读者明白AI并非黑盒魔法,而是嵌入在分子生成、性质预测等环节的具体工具。然而,其局限也显而易见:由于追求覆盖面,导致每个技术点的挖掘深度不足,难以满足高阶研究者的复现需求。相比英文经典综述,它的优势在于中文语境下的易读性与本土化案例的潜在关联,适合用于团队内部培训或个人知识体系的初步搭建,但不宜作为唯一的科研依据。
  • 这是一本典型的‘过渡型’著作,标志着国内AI制药领域从概念炒作走向方法论沉淀的阶段。编辑认为,它最值得读的群体是那些处于‘知道要用AI但不知从何入手’困境的药学背景科研人员。书中对无监督预训练和知识图谱应用的梳理,实际上是在教读者如何降低数据标注成本,这是工业界最关心的痛点。争议主要源于资深算法人员对其技术新颖度的不满,但这恰恰证明了其定位的准确性——它不是写给发Paper的人看的,而是写给做项目的人看的。建议在阅读时搭配最新的开源库文档,将其作为地图使用,而非终点站。
核心看点
  • 本书构建了从分子表征到智能生成的完整技术闭环,重点解析了SMILES序列与图神经网络在药物发现中的具体应用。它不局限于算法罗列,而是深入探讨了无监督预训练如何提升分子性质预测精度,为理解AI如何介入传统药化流程提供了清晰的技术路径。
  • 聚焦于解决新药研发中‘数据孤岛’与‘高成本试错’痛点,系统梳理了药物-靶标相互作用、逆合成设计及知识图谱等关键场景的AI解决方案。书中强调计算驱动与实验验证的结合,展示了人工智能如何加速先导化合物优化及临床前筛选,具有极强的工程落地参考价值。
  • 作为跨学科入门指南,本书平衡了生物医学背景与计算机科学的认知门槛。通过条理清晰的章节安排,将复杂的深度学习模型映射到具体的药学任务上,帮助读者建立‘问题-方法-效果’的思维框架,是连接药学专家与算法工程师的重要桥梁文本。
读者共识
  • 多数读者认可其作为入门读物的价值,认为内容全面且条理清晰,能有效帮助科研小白建立对智能药物研发全貌的认知。许多评论指出,该书在平衡专业深度与可读性方面做得较好,适合作为进入该交叉领域的第一个系统性参考书。
  • 存在明显的两极分化评价。一部分资深用户批评内容‘水’,认为不如直接阅读Google Scholar上的高质量Survey,并质疑高分评价中存在刷分现象。这反映出不同层级读者对书籍深度的期待差异:初学者视其为宝藏,专家视其为浅尝辄止。
  • 读者普遍赞赏作者的用心与认真,认为书中既有宏观视角也有微观技术细节,能让人体会到跨学科写作的难度与诚意。尽管有争议,但整体反馈倾向于肯定其在填补国内该领域系统性中文教材空白方面的贡献,尤其适合需要快速上手的项目组。
目录
目 录
第1章 绪论1
1.1 新药研发概述1
1.2 新药研究阶段2
1.2.1 靶标的选择与确证2

显示全部
用户评论
书很好,很有用
系统介绍了智能药物研发的前沿技术,条理清晰,内容新颖。适合从事相关工作的科研人员阅读学习!
很有用的一本书。
读完之后受益很大,还想再读一遍
书的内容很有水平,印刷质量也不错,值得购买! 书里的内容涵盖了很多人工智能、深度学习在药物研发方面的应用
内容实在是水,不如直接google scholar找几个survey。给五星的ip大多在湖南,都是水军吧?
很不错的一本书
书写的很好,读完后帮助很大
全部深度解读 →主题书单高分榜最近更新