Dopo la rivoluzione avviata dalla biologia molecolare nel secolo scorso, il processo di scoperta di nuovi farmaci sta attraversando una fase di trasformazioni dovuta ai recenti progressi dell'intelligenza artificiale (AI). Questo documento analizza come uno specifico campo dell'AI, l'intelligenza artificiale generativa (GenAI), possa essere applicato alla scoperta di nuovi farmaci per accelerarne lo sviluppo e ridurne i costi. Saranno trattate in particolare alcune applicazioni attuali e i vantaggi che la GenAI sta portando nel campo della drug discovery and development, analizzando nello specifico l'impiego dei deep generative model. Malgrado i limiti ancora esistenti, le potenzialità in applicazioni esistenti nel campo della de novo drug discovery e per il miglioramento dei digital twin giustificano l'interesse che questo argomento sta suscitando.
Intelligenza artificiale generativa per la scoperta di nuovi farmaci
RUGGERI, ALESSANDRO
2024/2025
Abstract
Dopo la rivoluzione avviata dalla biologia molecolare nel secolo scorso, il processo di scoperta di nuovi farmaci sta attraversando una fase di trasformazioni dovuta ai recenti progressi dell'intelligenza artificiale (AI). Questo documento analizza come uno specifico campo dell'AI, l'intelligenza artificiale generativa (GenAI), possa essere applicato alla scoperta di nuovi farmaci per accelerarne lo sviluppo e ridurne i costi. Saranno trattate in particolare alcune applicazioni attuali e i vantaggi che la GenAI sta portando nel campo della drug discovery and development, analizzando nello specifico l'impiego dei deep generative model. Malgrado i limiti ancora esistenti, le potenzialità in applicazioni esistenti nel campo della de novo drug discovery e per il miglioramento dei digital twin giustificano l'interesse che questo argomento sta suscitando.File | Dimensione | Formato | |
---|---|---|---|
Ruggeri_Alessandro.pdf
accesso aperto
Dimensione
973.93 kB
Formato
Adobe PDF
|
973.93 kB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/82605