AI语言模型“提速”药物：1天内筛选超1亿种化合物

有研究员设计出基于大语言模型人工智能算法这种新的算法，可以让研究员在一天之内筛选出超过1亿种化合物。塔夫茨大学和美国麻省理工学院的研究人员设计出了一种基于大语言模型的人工智能算法，而这种算法也被叫做塔夫茨大学，可以将潜在药物分子和目标蛋白匹配，不需要计算分子结构等相关步骤，研究人员使用这种方式，在一天之内就能够筛选出1亿多种化合物，比现有的任何模型都要多。这项研究解决当前对药物筛选的相关要求延展性能够评估脱靶效应以及药物再利用和突变，对药物结合存在的影响等。

在最近这些年，科学家们在研究氨基酸序列预测蛋白结构方面，取得极大的进步，但是预测大型潜在药物库与致癌蛋白相互作用存在着极大挑战性，计算蛋白质三维结构需要计算能力和很多时间。麻省理工团队以2019年首次开发的蛋白模型作为基础，本次将模型应用进行编辑，使用已知的蛋白药物相互作用，对网络训练使其学习将蛋白质特征与药物结合，不需要计算分子的三维结构。

相关研究人员表示药物的研发成本高昂的原因之一就是失败率很高，如果能使用这种预测结合的方式，就可以减少更多的失败率，也会降低新药开发的成本，从而让成本更低。ConPLex模型可以分析更多的文本，并且找到最有可能出现在一起的相关组合，基于语言模型研究的思路，已经超越了目前最先进的算法，能够在一天内筛选超过1亿多种化合物，是节约了很多时间的。

就在我们普通人使用语言模型写作和聊天时，科研人员已经发现了语言模型在药物筛选方面的能力和潜在能力。药物研发一直以来都是耗时最久并且极其昂贵的，还需要做很多的无用功。科研人员已经将人工智能引入这一漫长枯燥的过程当中可以减少分子配对的时间，论文已经对筛选结果进行实际的检验检测，而最终的结果也令人感到心喜。