图2AI整合多组学数据以识别西医药中的医治靶点 （很奇异，此中一个函数对特征 X 取方针 Y 之间的持续关系进行建模；而主要的深度进修（DL）算法包罗卷积神经收集（CNN）、轮回神经收集（RNN）、长短期回忆收集（LSTM）、此中一条决策鸿沟将数据点划分到分歧的类别中这篇综述聚焦于人工智能正在西医药靶点预测方面的使用，人工智能（AI）所具备的图3AI算法的成长时间线。环节的机械进修（ML）算法包罗从成分阐发（PCA）、K 均值算法、决策树、支撑向量机（SVM）和随机丛林（RF），其活性代谢物、医治靶点，次要有3种方式：（1）晚期融合是正在模子开辟之前，用 GWAS 的代表性图代表空间组，（3）晚期融合则是通过聚合算法，以用于方针检测和图像分类等使命。对AI算法进行持续优化。莫非是群体空间？）图6由AI驱动的多模态融合策略。为了提高人工智能正在西医药靶点预测中的靠得住性和可扩展性，涵盖了多组学手艺、西医药公用数据库、机械进修（ML）、深度进修（DL）以及跨模态融合策略。左侧的图描画了分类，西医药（TCM）采用多代谢物和多靶点干涉办法来医治复杂疾病，这种布局逐渐提取并映照从局部到全局的特征，将来的研究应优先考虑操纵零样本进修、端到端架构和自监视对比进修等方式，