科研喵使用ai读文献，祝你效率百倍，访问labcat.com.cn下载。

今天为您带来发表在《Chemical Society reviews》(影响因子40.4)上的重要论文"Modeling protein-ligand interactions for drug discovery in the era of deep learning"。这篇综述探讨了深度学习如何彻底改变药物发现领域。传统物理计算方法如分子动力学模拟和分子对接虽理论严谨，却面临计算成本高、可扩展性有限和预测准确性不足等挑战。研究指出，深度学习通过五种互补方式推动了药物发现：增强分子动力学、提升分子对接与虚拟筛选、端到端建模蛋白质复合物、基于结构的从头药物设计，以及基于序列的相互作用预测。关键发现是，物理驱动与数据驱动方法的结合不仅能提高预测效率和准确性，还能探索现代药物发现中庞大的化学和生物空间，为开发更有效的治疗方案开辟新途径。