In der Studie von Wouters, McKee und Luyten (2020) wurde der geschätzte Forschungs- und Entwicklungsaufwand untersucht, der erforderlich ist, um ein neues Medikament auf den Markt zu bringen, von 2009 bis 2018. Dabei wurde eine Vielzahl von Quellen wie PubMed, PubMed Central und Google Scholar für die Forschung zitiert. Andere Studien befassen sich mit Themen wie Zielidentifikation und Wirkmechanismus in der chemischen Biologie und Arzneimittelforschung, Trends in der klinischen Erfolgsrate von Medikamenten sowie Anwendungen von Maschinenlernen und künstlicher Intelligenz in der Arzneimittelforschung. Die klinische Erfolgsrate von Medikamenten und ihre therapeutische Ausrichtung sind ebenfalls Gegenstand verschiedener Untersuchungen.
Die Anwendung von verschiedenen Technologien wie maschinellem Lernen, DNA-Codierung, Einzelzell-RNA-Sequenzierung und neuronalem Netzwerk wird in zahlreichen Studien zur Arzneimittelforschung untersucht. Dabei wird auch die Bedeutung von Einzelzell-RNA-Sequenzierung und maschinellem Lernen für die Zelltypenidentifizierung diskutiert. Darüber hinaus werden Deep-Learning-Modelle verwendet, um Antibiotika zu entdecken, Proteine vorherzusagen und neue chemische Verbindungen zu entwerfen. Die Integration von Deep-Learning-Modellen und maschinellem Lernen in den Arzneimittelsektor hat das Potenzial, die Wirkstoffsuche und -entwicklung zu revolutionieren.
Weitere Forschungen befassen sich mit der Vorhersage von ADMET-Eigenschaften von Bleiverbindungen, der Identifizierung von HERG-Blockern und der Vorhersage von Toxizität in der klinischen Anwendung. Darüber hinaus wird auf die Herausforderungen und Chancen der Generativen Künstlichen Intelligenz (GAI) in der chemischen Wissenschaft eingegangen. Die Anwendung von maschinellem Lernen und neuronalen Netzwerken in der Strukturvorhersage von Proteinen und der bioaktiven Molekülerkennung werden ebenfalls diskutiert. Zusammenfassend lässt sich sagen, dass die Anwendung von künstlicher Intelligenz, maschinellem Lernen und anderen modernen Technologien die Arzneimittelforschung und -entwicklung entscheidend beeinflussen und verbessern kann.