人工智能（AI）在药物发现中的应用正通过提供理解与预测复杂生物相互作用的先进工具，彻底变革制药研究。这些进步使研究人员能够超越传统方法，为药物开发过程带来前所未有的精确性和效率。机器学习、深度学习、知识图谱和大型语言模型等AI技术正在改变科学家识别候选药物和预测其与生物靶点相互作用的方式。这些方法促进了大规模化学库的快速筛选、分子靶点的预测以及作用机制的阐明，从而缩短开发周期并提高治疗发现的准确性。此外，AI与实验验证技术的结合显著简化了药物发现流程。通过改进药物疗效和脱靶效应的预测，AI支持开发更有效和更安全的药物。这种整合对于解决实验药理学中的长期挑战至关重要，例如优化药物特异性并最大限度地减少不良反应。
本期特刊旨在解决关键挑战并利用人工智能（AI）的最新进展推进药物发现和机制阐明。传统药物发现方法常受效率低下和高失败率的限制，亟需更有效的方法。AI通过扩散模型、元学习、知识图谱嵌入和大型语言模型等复杂技术，为增强药物筛选、预测药物-靶点相互作用和阐明作用机制提供创新解决方案。通过聚焦这些尖端进展，特刊探索AI如何克服数据质量、模型可解释性和可扩展性等现有局限。它为计算生物学、化学和药理学领域的研究人员搭建共享平台，促进跨学科合作与创新，最终提升药物发现和机制阐明的有效性与效率。
本研究专题聚焦人工智能（AI）在实验药理学中的整合应用，重点研究药物-靶点相互作用、作用机制和药物筛选。我们邀请投稿探索以下主题中的前沿AI技术：
- 药物筛选与再利用：应用AI算法增强药物-靶点相互作用预测并阐明作用机制
- 多组学整合：利用AI整合基因组学、转录组学、蛋白质组学和代谢组学数据，识别新型治疗靶点和生物标志物
- AI驱动的药物设计：采用生成模型等AI技术推进创新药物设计策略
我们欢迎针对这些主题的原创研究文章、综述和案例研究，共同推动AI在实验药理学和药物发现中的应用发展。
【全文结束】
