Call for Paper (IF 3.2, JCR Q2): 征稿截止2024年12月31日

AI-Driven Drug Discovery and Design

客编信息

🔹Prof. Dr. Li Wang, Nantong University, China

🔹Prof. Dr. Fubo Wang, Guangxi Medical University, China

🔹Assoc. Prof. Dr. Jinlong Li, Nantong University, China

🔹Prof. Dr. Haifeng Chen, Shanghai Jiaotong University, China

期刊简介

本专刊开设于 Chemical Biology & Drug Design（ISSN: 1747-0277, SCIE indexed）期刊。Chemical Biology & Drug Design 是一本医学与药物化学领域刊物，由Wiley & Blackwell出版发行。

专刊背景

人工智能驱动的药物发现与设计是一个迅速发展的领域，研究人员正在利用人工智能技术的潜力来彻底改变新药的研发过程。通过整合机器学习、计算建模和高级数据分析的能力，这一方法旨在加速药物开发的各个阶段，并提升其效率。人工智能在药物发现与设计中的核心作用体现在其复杂的算法上，这些算法能够分析来自化学库、生物测定、临床试验和科学文献等多种来源的数据。通过训练，使其可以识别人类研究人员可能忽略的复杂模式和关系，从而确定新的药物靶点并设计出优化的候选化合物。

这种变革性的技术对制药行业的潜在影响巨大。人工智能可以通过加速开发进程、降低成本以及提高新疗法成功上市的概率，来解决长久以来制约行业发展的高失败率、冗长周期和高昂费用等挑战。此外，人工智能还使研究人员能够探索新的生物学和化学领域，从而可能开发出针对复杂且难以治愈疾病的创新疗法。借助人工智能提供的数据驱动洞察力，研究者们可以发现新的药物靶点，设计出具有理想特性（如效力、选择性和药代动力学）的优化化合物，并在药物开发的每个环节做出更明智的决策。

人工智能驱动的药物发现与设计在实际应用中有几个关键方面：首先，人工智能算法能够分析大型数据集，从而识别出与特定疾病相关的潜在药物靶点，如蛋白质或基因。这使研究人员能够聚焦最有希望的靶点，提高药物开发的成功率。其次，人工智能工具可以设计出具有特定特性的优化化合物，从而开发出更有效且更安全的药物，并能根据特定治疗需求进行定制。再次，通过迭代设计和测试，人工智能能够优化先导化合物，提高其功效和安全性，包括探索更广泛的化学空间以鉴别出有潜力的候选药物。最后，人工智能可以建立预测模型，模拟药物在体内的行为，使研究人员能够提前预估药物的功效、毒性和药代动力学性质，帮助在开发早期阶段识别潜在问题，为设计更有效和安全的药物提供支持。

通过充分利用人工智能的力量，研究人员将开辟制药行业创新的新机遇，从而开发出更有效和个性化的治疗方案，显著提升患者的治疗效果。

截稿日期

2024年12月31日

征稿主题

• 虚拟筛选

• 从头测序药物设计

• 药物再利用

• 毒性预测

• 临床试验优化

• 性能优化

期刊分析

CAR指数:

CAR指数是一种评价期刊学术诚信风险的指数， CAR指数低于5%设定为低风险，处于5-10%被认为是中风险，大于10%为高风险。从网站（www.jcarindex.com）的检索结果来看，

Chemical Biology & Drug Design 在2022-2024年的CAR指数分别为0.59%、0.93%和1.16%，为低风险水平，表明该期刊暂无学术诚信风险。

中科院预警情况：

从2020年到2024年2月，Chemical Biology & Drug Design 连续五年未进入中国科学院《国际期刊预警名单（试行）》名单。这说明期刊并未被中科院预警。

影响因子发展趋势：

在JCR的影响因子变化趋势图中可以了解到，从2015年至今，Chemical Biology & Drug Design 的影响因子水平表现为持续性增长，说明期刊出版物质量管理较好。

期刊年发文趋势：

通过在WoS数据库检查期刊近五年的发文数据，可以了解到 Chemical Biology & Drug Design 年发文数量持续保持在150-200篇。近五年的发文中，国内学者发文数量位于首位，表明该期刊深受国内学者的重视和关注。