题目： Graph convolutional networks for computational drug development and discovery

摘要：

尽管在过去的十年中，深度学习在各个领域都取得了令人瞩目的成功，但其在分子信息学和药物发现中的应用仍然受到限制。在将深层架构适应结构化数据方面的最新进展为药物研究开辟了新的范例。 在这项调查中，我们对图卷积网络的新兴领域及其在药物发现和分子信息学中的应用进行了系统的综述。通常，我们对图卷积网络为何以及如何能够帮助完成与药物有关的任务感兴趣。文中通过四个角度阐述了现有的应用程序：分子性质和活性预测，相互作用预测，合成预测和药物设计。还简要介绍了图卷积网络背后的理论基础，并说明了基于不同公式的各种体系结构。然后，总结了药物相关问题中的代表性应用，并讨论将图卷积网络应用于药物发现的当前挑战和未来可能性。