Les systèmes complexes de la médecine traditionnelle chinoise comprennent diverses composantes chimiques telles que les petites molécules, les protéines, les polysaccharides et les supramolécules autoassemblées de haut niveau. Actuellement, l'analyse de ces composants est limitée par une couverture insuffisante des bases de données spectrales et une faible efficacité d'analyse manuelle, ce qui limite la profondeur de la recherche fondamentale sur les substances. L'intelligence artificielle (IA), grâce à ses puissantes capacités d'intégration de données multi-sources et d'apprentissage en profondeur des représentations, a permis une transition de l'analyse des composants chimiques de la médecine traditionnelle chinoise d'un paradigme « guidé par l'expérience » à un nouveau paradigme « guidé par les données ». Cet article passe en revue systématiquement les paradigmes d'apprentissage et les architectures clés de l'IA dans l'analyse des composants de la médecine traditionnelle chinoise, en mettant l'accent sur les méthodes d'apprentissage de représentation moléculaire, les stratégies de traitement des données spectrales, ainsi que les applications de pointe en analyse intelligente et en expansion de l'espace chimique. Enfin, les défis clés tels que la normalisation des données, le partage des données et l'intégration multimodale, ainsi que les voies de développement futur, sont discutés.

intelligence artificielle;composants chimiques de la médecine traditionnelle chinoise;apprentissage profond;apprentissage de représentation;analyse intelligente