Artificial Intelligence : A Novel Approach for Drug Discovery
Díaz Sanzo, Óscar (Parc Taulí Hospital Universitari. Institut d'Investigació i Innovació Parc Taulí (I3PT))
Dalton, James A. R (Universitat Autònoma de Barcelona. Institut de Neurociències)
Giraldo, Jesús (Universitat Autònoma de Barcelona. Institut de Neurociències)

Date:	2019
Abstract:	Molecular dynamics (MD) simulations can mechanistically explain receptor function. However, the enormous data sets that they may imply can be a hurdle. Plante and colleagues (Molecules, 2019) recently described a machine learning approach to the analysis of MD simulations. The approach successfully classified ligands and identified functional receptor motifs and thus it seems promising for mechanism-based drug discovery.
Grants:	Agencia Estatal de Investigación SAF2017-87199-R
Rights:	Aquest material està protegit per drets d'autor i/o drets afins. Podeu utilitzar aquest material en funció del que permet la legislació de drets d'autor i drets afins d'aplicació al vostre cas. Per a d'altres usos heu d'obtenir permís del(s) titular(s) de drets.
Language:	Anglès
Document:	Article ; recerca ; Versió acceptada per publicar
Subject:	GPCR ; Machine learning ; Agonist ; Drug design ; Biased signaling ; Molecular dynamics
Published in:	Trends in Pharmacological Sciences, Vol. 40, Núm. 8 (August 2019) , p. 550-551, ISSN 1873-3735

DOI: 10.1016/j.tips.2019.06.005

Postprint 9 p, 493.5 KB

The record appears in these collections:
Research literature > UAB research groups literature > Research Centres and Groups (research output) > Health sciences and biosciences > Parc Taulí Research and Innovation Institute (I3PT
Research literature > UAB research groups literature > Research Centres and Groups (research output) > Health sciences and biosciences > Institut de Neurociències (INc)
Articles > Research articles
Articles > Published articles