机器学习设计有机荧光诊疗分子的研究进展
摘要:有机荧光诊疗分子因其高灵敏度、优异的生物相容性、低毒性、诊疗一体化等特点广泛应用于生命成像与肿瘤治疗等领域. 然而, 随着精细化诊疗需求的不断增加, 传统的分子设计方法受限于长周期试错实验与高昂计算成本,难以满足设计需求. 基于机器学习(Machine Learning, ML)方法直接构建有机分子各种性质与结构的映射关系成为荧光分子设计领域有效提高精准诊疗功能、缩短设计周期的新方法. 系统梳理了基于各种ML 算法的荧光分子设计模型, 针对多种诊疗分子特征属性对当前研究进行归类综述, 并提出了未来基于ML 方法分子设计的发展方向.
