Resumen: Este documento revisa sistemáticamente los avances recientes en la inteligencia artificial (AI), con un enfoque particular en el aprendizaje automático (ML), en toda la tubería de descubrimiento de fármacos. Debido a la complejidad inherente, los costos crecientes, los plazos prolongados y las altas tasas de fracaso de los métodos tradicionales de descubrimiento de fármacos, existe una necesidad crítica de comprender de manera integral cómo AI/ML puede integrarse efectivamente a lo largo del proceso completo. Las revisiones de literatura actualmente disponibles a menudo se centran estrechamente en fases o metodologías específicas, descuidando la dependencia entre las etapas clave, como la identificación de objetivos, la detección de golpes y la optimización de plomo. Para cerrar esta brecha, nuestra revisión proporciona un análisis detallado y holístico de las aplicaciones AI/ML en estas fases centrales, destacando los avances metodológicos significativos y sus impactos en cada etapa. Además, ilustramos el impacto práctico de estas técnicas a través de un estudio de caso en profundidad centrado en la hiperuricemia, la artritis de la gota y la nefropatía hiperuricémica, destacando los éxitos del mundo real en la identificación del objetivo molecular y el descubrimiento de candidatos terapéuticos. Además, discutimos desafíos significativos que enfrentan IA/ML en el descubrimiento de fármacos y describen las prometedoras direcciones de investigación futuras. En última instancia, esta revisión sirve como una orientación esencial para los investigadores con el objetivo de aprovechar la IA/ML para superar los cuellos de botella existentes y acelerar el descubrimiento de drogas.
Publicado Originalme en export.arxiv.org El 7 de julio de 2025.
Ver Fuente Original
