Biểu diễn phân tử: chuỗi SMILES/SELFIES, đồ thị phân tử (nguyên tử là đỉnh, liên kết là cạnh), fingerprint (ECFP/Morgan), descriptor 3D
Học biểu diễn phân tử: GNN cho phân tử, message passing, mô hình nền tảng phân tử (pretraining tự giám sát trên kho hợp chất lớn)
Dự đoán tính chất phân tử: ADMET (hấp thu, phân bố, chuyển hóa, thải trừ, độc tính), tính tan, tính thấm — benchmark MoleculeNet
Sàng lọc ảo (virtual screening): sàng lọc dựa trên ligand và dựa trên cấu trúc, lọc thư viện hợp chất quy mô lớn để tìm ứng viên tiềm năng
Docking phân tử: dự đoán tư thế gắn kết (binding pose), hàm chấm điểm, docking tăng tốc bằng học máy (DiffDock và các phương pháp khuếch tán)
Dự đoán ái lực gắn kết (binding affinity): hồi quy protein-ligand, mô hình dựa trên cấu trúc phức hợp, đánh giá tương tác đích-thuốc
Hóa học sinh tạo (generative chemistry): sinh phân tử de novo bằng VAE, GAN, mô hình khuếch tán và mô hình tự hồi quy trên SMILES
Tối ưu hóa phân tử đa mục tiêu: cân bằng hiệu lực, tính chọn lọc, khả năng tổng hợp và tính chất giống thuốc (drug-likeness)
Dự đoán tổng hợp ngược (retrosynthesis): lập kế hoạch đường tổng hợp, dự đoán phản ứng, đánh giá khả năng tổng hợp thực tế
Ứng dụng thực tế và thách thức: tái định hướng thuốc (drug repurposing), dữ liệu thưa và nhiễu, khoảng cách giữa in silico và thực nghiệm, quy trình phê duyệt lâm sàng