来自麻省理工学院和塔夫茨大学的研究人员设计了一种基于大规模语言模型(如ChatGPT)的人工智能算法。这种被称为ConPLex的新模型可以将目标蛋白质与潜在的药物分子相匹配，而无需执行密集的步骤来计算分子结构。相关论文发表在最新一期《美国国家科学院院刊》上。

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，远远超过任何现有的模型。该成果解决了当前药物筛选的需求，其可扩展性还可以评估脱靶效应、药物复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很大进展。然而，预测多大规模的潜在药物库将与癌基因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的时间和计算能力。

麻省理工学院团队基于他们在2019年首次开发的蛋白质模型。这一次，该模型被用于确定蛋白质序列和特定药物分子之间的相互作用。他们使用已知的蛋白质& mdash药物相互作用训练网络，使其能够在不计算任何分子三维结构的情况下，学习将蛋白质的特定特性与药物结合能力关联起来。

通过筛选包含约4700种候选药物分子的文库，研究小组测试了他们的模型，并确定了这些药物与51种蛋白激酶结合的能力。

从受欢迎的结果中，研究人员选择了19组& ldquo毒品& mdash蛋白质到& rdquo实验测试表明，12对具有很强的结合亲和力，而几乎所有其他可能的药物& mdash蛋白质对任何人都没有亲和力。

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高。如果我们能提前预测到这种组合不起作用，我们就能降低失败率，大大降低新药开发的成本。

[主编]

当我们普通人还在用语言模型聊天和写作的时候，研究人员已经看到了它在药物筛选方面的革命性潜力。药物研发需要很长时间而且相当昂贵，而且很多& ldquo无用功& rdquo。在这个枯燥漫长的过程中引入了人工智能，帮助缩短分子配对的时间。本文介绍的新模型ConPLex可以对大量文本进行分析，找到最可能的组合。这种基于语言模型研究的思路超越了目前最先进的算法，一天可以筛选超过1亿个化合物。论文对筛选结果进行了检验，结果也令人满意。(记者张)据