Revolutionizing drug discovery: Integrating artificial intelligence with quantitative systems pharmacology

药物发现 药品 系统药理学 药理学 药学 计算生物学 制药技术 计算机科学 数据科学 化学 医学 生物信息学 生物 色谱法
作者
Igor Goryanin,Igor Goryanin,Irina Goryanin,Irina Goryanin,Oleg Demin
出处
期刊:Drug Discovery Today [Elsevier BV]
卷期号:30 (9): 104448-104448 被引量:13
标识
DOI:10.1016/j.drudis.2025.104448
摘要

• The integration of AI and LLMs is enhancing the generation, interpretability, and reproducibility of QSP models. • Generative AI is accelerating drug discovery and development by designing novel molecules and creating digital twins for personalized therapy simulations. • Retrieval-augmented generation architectures are improving QSP simulations by enabling real-time evidence retrieval from vast datasets. • The concept of QSPaaS is emerging, promising to democratize access to powerful modeling and simulation tools. • Explainability, regulatory acceptance, and data integration remain key challenges to the widespread adoption of AI in QSP. Quantitative systems pharmacology (QSP) provides a mechanistic framework for integrating diverse biological, physiological, and pharmacological data to predict drug interactions and clinical outcomes. Recent advances in artificial intelligence (AI) might transform QSP by enhancing model generation, parameter estimation, and predictive capabilities. AI-driven databases and cloud-based platforms might support QSP model development and facilitate QSP as a service (QSPaaS). However, challenges such as computational complexity, high dimensionality, explainability, data integration, and regulatory acceptance persist. This review critically evaluates the integration of AI within QSP, highlighting novel methodologies like surrogate modeling, virtual patient generation, and digital twin technologies. It also discusses current limitations and outlines strategies for future integration to enhance precision medicine, regulatory acceptability, and mechanistic interpretability in drug discovery and development.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
谦让溪流完成签到,获得积分10
刚刚
Parzival发布了新的文献求助10
刚刚
xm发布了新的文献求助10
刚刚
2秒前
搜集达人应助卓垚采纳,获得10
2秒前
喜洋羊完成签到,获得积分20
2秒前
2秒前
小博完成签到,获得积分10
2秒前
共享精神应助落后的楼房采纳,获得10
2秒前
扶南完成签到,获得积分10
3秒前
melo完成签到,获得积分10
3秒前
Santa发布了新的文献求助10
3秒前
4秒前
4秒前
meperidine发布了新的文献求助10
4秒前
4秒前
桐桐应助沉默小虾米采纳,获得10
4秒前
lirs完成签到,获得积分20
5秒前
ding应助可靠的小球采纳,获得10
5秒前
jeil完成签到,获得积分10
5秒前
Knowledge发布了新的文献求助10
6秒前
李健的小迷弟应助饭饭采纳,获得10
6秒前
6秒前
6秒前
我是雪豹发布了新的文献求助10
6秒前
高兴溪流完成签到,获得积分10
6秒前
guoyunlong完成签到,获得积分0
6秒前
谨慎涵阳发布了新的文献求助20
7秒前
7秒前
7秒前
7秒前
葫芦娃娃哈哈应助csj采纳,获得10
7秒前
bubble嘞完成签到,获得积分10
7秒前
8秒前
Juance发布了新的文献求助10
8秒前
9秒前
sssssss发布了新的文献求助10
9秒前
王蔓蔓发布了新的文献求助20
10秒前
辛勤安梦完成签到,获得积分10
10秒前
研友_VZG7GZ应助Mars采纳,获得30
10秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
HYDROLYSE ACIDE DE QUELQUES DIOXASPIROCYCLANES 1000
Navigating Normative Orders. Interdisciplinary Perspectives 800
1 Peter and Christ's Descent to the Dead in Its Early Christian Reception 700
Essentials of Carbohydrate Chemistry and Biochemistry, 4th Edition 600
Organizational Behavior 510
Management and the Arts 510
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7741571
求助须知:如何正确求助?哪些是违规求助? 9290150
关于积分的说明 20199572
捐赠科研通 7320108
什么是DOI,文献DOI怎么找? 3306790
关于科研通互助平台的介绍 2458937
邀请新用户注册赠送积分活动 2317190