搜索
当前位置:首页 > 综合 > 总编辑圈点

总编辑圈点

发表于 2024-03-20 00:18:40 来源:及第成名网

科技日报记者 张梦然。总编

麻省理工学院和塔夫茨大学的辑圈研究人员设计了一种基于大型语言模型(如ChatGPT)的人工智能算法,它将目标蛋白与潜在的总编药物分子相匹配,而不执行计算分子结构的辑圈密集步骤。最新一期《美国国家科学院院刊》发表了相关论文。总编


图片来源:物理学家组织网。辑圈

通过这种方法,总编研究人员可以在一天内筛选出超过1亿种化合物,辑圈远远超过任何现有模型。总编该结果解决了当前药物筛选的辑圈需要,其可扩展性也可以评估脱靶效应、总编药物再利用和突变对药物组合的辑圈影响。

近年来,总编科学家们在预测氨基酸序列中的辑圈蛋白质结构方面取得了巨大进展。然而,总编由于计算蛋白质的三维结构需要大量的时间和计算能力,因此预测大型潜在药物库如何与致癌蛋白相互作用仍然具有挑战性。

麻省理工学院团队以2019年首次开发的蛋白质模型为基础,将该模型应用于确定蛋白质序列与特定药物分子的相互作用。他们使用已知的蛋白质药物相互作用来训练网络,这样他们就可以在不计算任何分子的三维结构的情况下,学会将蛋白质的特定特征与药物的结合能力联系起来。

该团队通过筛选包含约4700种候选药物分子的库,对其模型进行了测试,并确定了这些药物与51种蛋白激酶结合的能力。

从流行的结果来看,研究人员选择了19组“药物-蛋白质对”进行实验测试。最后,12对有很强的亲和力,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,药物研发成本如此之高,部分原因是其失败率很高。如果能提前预测这种组合不起作用,就能降低失败率,从而大大降低新药开发成本。

总编辑圈:

当我们普通人还在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化潜力。药物研发耗时长且相当昂贵,需要大量的“无用功”。人工智能已经引入了这个枯燥而漫长的过程,以帮助缩短分子配对的时间。ConPLex可以分析大量的文本,并找到最有可能出现在一起的组合。基于语言模型研究的理念超过了目前最先进的算法,一天可以筛选出1亿多种化合物。论文对筛选结果进行了实验测试,结果也令人满意。

随机为您推荐
版权声明:本站资源均来自互联网,如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

Copyright © 2016 Powered by 总编辑圈点,及第成名网   sitemap

回顶部