Data Mining in Drug Discovery

این تک نگاری که برای توسعه دهندگان دارو به جای دانشمندان رایانه نوشته شده است، رویکردی سیستماتیک برای استخراج منابع داده های علمی اتخاذ می کند و همه مراحل کلیدی در کشف منطقی دارو، از غربالگری ترکیب تا انتخاب ترکیب سرب و پزشکی شخصی را پوشش می دهد. به وضوح به چهار بخش تقسیم شده است، بخش اول منابع داده های مختلف موجود، اعم از تجاری و غیر تجاری را مورد بحث قرار می دهد، در حالی که بخش بعدی به نقش و ارزش داده کاوی در کشف دارو می پردازد. بخش سوم رایج‌ترین کاربردها و استراتژی‌های پلی‌فارماکولوژی را مقایسه می‌کند، جایی که داده‌کاوی می‌تواند به طور قابل‌توجهی تلاش تحقیقاتی را افزایش دهد. بخش پایانی کتاب به رویکردهای زیست‌شناسی سیستم‌ها برای آزمایش ترکیب اختصاص دارد.
در سرتاسر کتاب، استراتژی‌های کشف داروی صنعتی و آکادمیک مورد بررسی قرار می‌گیرد، با مشارکت‌کنندگانی که از هر دو حوزه می‌آیند و امکان تصمیم‌گیری آگاهانه در مورد زمان و کدام ابزارهای داده‌کاوی را برای پروژه کشف داروی خود استفاده می‌کنند.

Written for drug developers rather than computer scientists, this monograph adopts a systematic approach to mining scientifi c data sources, covering all key steps in rational drug discovery, from compound screening to lead compound selection and personalized medicine. Clearly divided into four sections, the first part discusses the different data sources available, both commercial and non-commercial, while the next section looks at the role and value of data mining in drug discovery. The third part compares the most common applications and strategies for polypharmacology, where data mining can substantially enhance the research effort. The final section of the book is devoted to systems biology approaches for compound testing.
Throughout the book, industrial and academic drug discovery strategies are addressed, with contributors coming from both areas, enabling an informed decision on when and which data mining tools to use for one's own drug discovery project.