Current perspectives and trend of computer-aided drug design: a review and bibliometric analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIM: Computer-aided drug design (CADD) is a drug design technique for computing ligand-receptor interactions and is involved in various stages of drug development. To better grasp the frontiers and hotspots of CADD, we conducted a review analysis through bibliometrics. METHODS: A systematic review of studies published between 2000 and 20 July 2023 was conducted following the PRISMA guidelines. Literature on CADD was selected from the Web of Science Core Collection. General information, publications, output trends, countries/regions, institutions, journals, keywords, and influential authors were visually analyzed using software such as Excel, VOSviewer, RStudio, and CiteSpace. RESULTS: A total of 2031 publications were included. These publications primarily originated from 99 countries or regions led by the U.S. and China. Among the contributors, MacKerell AD had the highest number of articles and the greatest influence. The Journal of Medicinal Chemistry was the most cited journal, whereas the Journal of Chemical Information and Modeling had the highest number of publications. CONCLUSIONS: Influential authors in the field were identified. Current research shows active collaboration between countries, institutions, and companies. CADD technologies such as homology modeling, pharmacophore modeling, quantitative conformational relationships, molecular docking, molecular dynamics simulation, binding free energy prediction, and high-throughput virtual screening can effectively improve the efficiency of new drug discovery. Artificial intelligence-assisted drug design and screening based on CADD represent key topics that will influence future development. Furthermore, this paper will be helpful in better understanding the frontiers and hotspots of CADD.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,073 | 0,042 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle