ai的语言、ai语音模型
麻省理工学院和塔夫茨大学的研究人员基于ChatGPT 等大型语言模型设计了人工智能算法。这种名为ConPLex 的新模型可以将目标蛋白与潜在的药物分子相匹配。无需执行计算分子结构的密集步骤。相关论文发表于最新一期《美国国家科学院院刊》。
使用这种方法，研究人员可以在一天内筛选超过1 亿种化合物，远远多于任何现有模型。这一成就满足了当前药物筛选的需求，并且可扩展以评估脱靶效应、药物再利用以及确定突变对药物结合的影响。
近年来，科学家在根据氨基酸序列预测蛋白质结构方面取得了巨大进展。然而，预测大量潜在药物如何与致癌蛋白质相互作用仍然具有挑战性，因为计算蛋白质的三维结构需要大量时间和计算能力。
麻省理工学院的团队建立了他们于2019 年首次开发的蛋白质模型，并应用该模型来确定蛋白质序列如何与特定药物分子相互作用。他们根据已知的蛋白质-药物相互作用对网络进行了训练，使其能够学习将蛋白质特异性特征与药物结合能力相关联，而无需计算任何分子的三维结构。
该团队通过筛选大约4,700 个候选药物分子的库来测试他们的模型，并确定这些药物与51 种蛋白激酶结合的能力。
从热门结果中，研究人员选择了19组“药物-蛋白质对”进行实验测试。最终，12对具有很强的结合亲和力，而几乎所有其他可能的药物-蛋白质对都没有亲和力。
研究人员表示，药物开发之所以如此昂贵，部分原因是其失败率很高。如果我们能够提前预测这种组合不太可能起作用，我们就可以降低失败率，从而大大降低开发新药的成本。
【主编圈子】
当我们普通人还在使用语言模型聊天和写作时，研究人员已经看到了它在药物筛选方面的变革潜力。药物研发周期长、成本高，需要大量“废工”。人工智能被引入到这个繁琐而漫长的过程中，以帮助缩短分子配对的时间。文章中介绍的新模型ConPLex 可以分析大量文本并找到最有可能一起出现的组合。这种基于语言模型研究的想法超越了当前最先进的算法，一天可以筛选超过1 亿个化合物。论文对筛选结果进行了实验测试，结果令人欣喜。
