回复尘埃未定：前景不错的
大鱼Biotech
下载贤集网APP入驻自媒体
开展一个药物筛选项目就像举办一场大型酒会，并旁听和记录整个过程。在酒会上的绝大多数交流只是闲聊，有意义的谈话只占极少数。药物筛选同样如此，微弱的药物靶标相互作用远超高亲和力的结合。 如果你不得不仔细聆听就会上每一句对话，其乏味程度可想而知。在经典药物筛选中评估每一个药物与靶标的相互作用的体验同样糟糕，即使最耐心的倾听者——人工智能——也会筋疲力尽。 传统的人工智能（AI）系统需要很长时间来筛选候选药物和蛋白质靶点之间相互作用的数据。大多数AI系统根据每个目标蛋白质的氨基酸序列计算其三维结构，然后使用这些结构来预测它将与哪些药物分子相互作用。这种方法尽管详尽，但速度缓慢。 今年爆火的以ChatGPT为代表的大语言模型AI技术，能为药物筛选带来哪些技术革新呢？ 2023年6月8日，麻省理工学院（MIT）教授、计算分子生物学先驱 Bonnie Berger 在《美国国家科学院院刊》（PNAS）发表了题为：Contrastive learning in protein language space predicts interactions between drugs and protein targets 的研究论文。 研究团队设计了一种基于大语言模型的AI算法——ConPLex，它可以像ChatGPT那样分析大量文本并找到最可能一起出现的单词（在这项研究中则是氨基酸），从而将目标蛋白质与潜在药物分子相匹配，而无需执行计算分子结构的密集计算步骤。 ConPLex可以利用预先训练的蛋白质语言模型（PLex），并采用蛋白质锚定的对比共嵌入（Con），超越目前最先进的算法，实现通过蛋白质语言空间的对比学习来预测药物和目标蛋白质之间的相互作用。
