有研究員設(shè)計出基于大語言模型人工智能算法這種新的算法，可以讓研究員在一天之內(nèi)篩選出超過1億種化合物。塔夫茨大學(xué)和美國麻省理工學(xué)院的研究人員設(shè)計出了一種基于大語言模型的人工智能算法，而這種算法也被叫做塔夫茨大學(xué)，可以將潛在藥物分子和目標(biāo)蛋白匹配，不需要計算分子結(jié)構(gòu)等相關(guān)步驟，研究人員使用這種方式，在一天之內(nèi)就能夠篩選出1億多種化合物，比現(xiàn)有的任何模型都要多。這項研究解決當(dāng)前對藥物篩選的相關(guān)要求延展性能夠評估脫靶效應(yīng)以及藥物再利用和突變，對藥物結(jié)合存在的影響等。

在最近這些年，科學(xué)家們在研究氨基酸序列預(yù)測蛋白結(jié)構(gòu)方面，取得極大的進步，但是預(yù)測大型潛在藥物庫與致癌蛋白相互作用存在著極大挑戰(zhàn)性，計算蛋白質(zhì)三維結(jié)構(gòu)需要計算能力和很多時間。麻省理工團隊以2019年首次開發(fā)的蛋白模型作為基礎(chǔ)，本次將模型應(yīng)用進行編輯，使用已知的蛋白藥物相互作用，對網(wǎng)絡(luò)訓(xùn)練使其學(xué)習(xí)將蛋白質(zhì)特征與藥物結(jié)合，不需要計算分子的三維結(jié)構(gòu)。

相關(guān)研究人員表示藥物的研發(fā)成本高昂的原因之一就是失敗率很高，如果能使用這種預(yù)測結(jié)合的方式，就可以減少更多的失敗率，也會降低新藥開發(fā)的成本，從而讓成本更低。ConPLex模型可以分析更多的文本，并且找到最有可能出現(xiàn)在一起的相關(guān)組合，基于語言模型研究的思路，已經(jīng)超越了目前最先進的算法，能夠在一天內(nèi)篩選超過1億多種化合物，是節(jié)約了很多時間的。

就在我們普通人使用語言模型寫作和聊天時，科研人員已經(jīng)發(fā)現(xiàn)了語言模型在藥物篩選方面的能力和潛在能力。藥物研發(fā)一直以來都是耗時最久并且極其昂貴的，還需要做很多的無用功。科研人員已經(jīng)將人工智能引入這一漫長枯燥的過程當(dāng)中可以減少分子配對的時間，論文已經(jīng)對篩選結(jié)果進行實際的檢驗檢測，而最終的結(jié)果也令人感到心喜。