Медицинские Химики vs Искусственный Интеллект RobinDrug

💊В этом ролике Анастасия без страха, но с оптимистическим сарказмом, берет на себя смелость разобраться: правда ли нейросети уже создают инновационные лекарственные молекулы или пока только имитируют научную работу и генерируют фармацевтические комиксы из журнала «Крокодил»? 🤖 Что вас ждет: - Почему ИИ — это как безалкогольное пиво? Вроде бы похоже на настоящее, а эффекта нет. - Как начинающие дата-сайентисты «варят суп» из открытых данных и получают модели с «оху....ми метриками», но нулевой валидностью. - Почему медицинские химики «нервно курят в сторонке», но продолжают держать фронт? - Как ИИ генерит гусеничек, черепашек и яды против тараканов. - Почему крупнейшие фармкомпании вроде Bayer, AstraZeneca и даже журналы с высоким импакт-фактором порой публикуют откровенно мусорные генерации? - Как появился Даклатасвир — и мог ли ИИ сделать такое? (Спойлер: нет, но история шикарная!) - Почему MCF (медхимические подструктурные фильтры) важны для фильтрации структур с потенциальной токсичностью, метаболической нестабильностью и неспецифичным связыванием! 💥 Этот выпуск — не просто отрешенный взгляд на роль ИИ в этой области, а вдумчивый и детальный анализ с множеством реальных примеров. Мы копнем глубоко, проанализируем сгенерированные структуры молекул и наглядно покажем вам, что во многих случаях такие алгоритмы используются лишь для затуманивания мозгов на волне ИИ хайпа. 🧠 Для кого это видео? Для медицинских химиков, биологов и диперов (специалисты в области deep learning) и всех тех, кто хочет отчетливо и трезво понимать и осознавать роль ИИ в дизайне новых лекарственных молекул. Для тех, кто устал от «волшебных» решений одной кнопкой и хочет понять, где на самом деле начинается реальный научный труд. И, конечно, для тех, кто любит крепкий, но справедливый научный юмор! 📌 Выводы от Анастасии: ИИ — это, безусловно, мощный инструмент. Но без химиков, биологов и здравого смысла он превращается в генератор «аналогов ядов для тараканов, чистящих средств для унитазов и смазок для покрышек». Наша задача — не бороться с ИИ, а научиться использовать его с умом в тесном сотрудничестве со специалистами из разных областей науки. 👇 Поддержите канал: ставьте лайк, подписывайтесь, жмите на колокольчик и оставляйте комментарии — особенно если вы из лагеря «AI спасет всех» или «ИИ — зло XXI века». Нам есть, что обсудить! 📢 Обязательно приходите к нам в Telegram: t.me/RobinDrug и на наш сайт: www.med-chem.ru CogMol: Target-Specific and Selective Drug Design for COVID-19 Using Deep Generative Models arxiv.org/abs/2004.01215 PaccMannRL on SARS-CoV-2: Designing antiviral candidates with conditional generative models Архив: arxiv.org/abs/2005.13285 Generative Deep Learning Enables the Discovery of a Potent and Selective RIPK1 Inhibitor DOI: 10.1038/s41467-022-34692-w PCW-A1001, AI-Assisted de Novo Design Approach to Design a Selective Inhibitor for FLT3(D835Y) in Acute Myeloid Leukemia DOI: 10.3389/fmolb.2022.1072028 Discovery of Pyrazolo[3,4-d]pyridazinone Derivatives as Selective DDR1 Inhibitors via Deep Learning Based Design, Synthesis, and Biological Evaluation DOI: 10.1021/acs.jmedchem.1c01205 PocketFlow is a Data-and-Knowledge-Driven Structure-Based Molecular Generative Model DOI: 10.1038/s42256-024-00808-8 A Dual Diffusion Model Enables 3D Molecule Generation and Lead Optimization Based on Target Pockets DOI: 10.1038/s41467-024-46569-1 Accelerated Discovery of Macrocyclic CDK2 Inhibitor QR-6401 by Generative Models and Structure-Based Drug Design DOI: 10.1021/acsmedchemlett.2c00515 Equivariant 3D-Conditional Diffusion Model for Molecular Linker Design DOI: 10.1038/s42256-024-00815-9