美國(guó)麻省理工學(xué)院和塔夫茨大學(xué)研究人員設(shè)計(jì)出一種基于大型語(yǔ)言模型（如ChatGPT）的人工智能算法，這種稱為ConPLex的新模型可將目標(biāo)蛋白與潛在的藥物分子相匹配，而無(wú)需執(zhí)行計(jì)算分子結(jié)構(gòu)的密集型步驟。相關(guān)論文發(fā)表在最新一期《美國(guó)國(guó)家科學(xué)院院刊》上。

圖片來(lái)源：物理學(xué)家組織網(wǎng)

使用這種方法，研究人員可在一天內(nèi)篩選超過1億種化合物，比任何現(xiàn)有模型都要多得多。這項(xiàng)成果解決了對(duì)當(dāng)前藥物篩選的需求，其可擴(kuò)展性還能夠評(píng)估脫靶效應(yīng)、藥物再利用以及確定突變對(duì)藥物結(jié)合的影響。

近年來(lái)，科學(xué)家在根據(jù)氨基酸序列預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)方面取得了巨大進(jìn)步。然而，要預(yù)測(cè)大型潛在藥物庫(kù)如何與致癌蛋白相互作用，依然具有挑戰(zhàn)性，因?yàn)橛?jì)算蛋白質(zhì)三維結(jié)構(gòu)需要大量時(shí)間和計(jì)算能力。

麻省理工學(xué)院團(tuán)隊(duì)以他們2019年首次開發(fā)的蛋白質(zhì)模型為基礎(chǔ)，此次將模型應(yīng)用于確定蛋白質(zhì)序列將與特定藥物分子的相互作用。他們用已知的蛋白質(zhì)—藥物相互作用對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使其能學(xué)習(xí)將蛋白質(zhì)特定特征與藥物結(jié)合能力聯(lián)系起來(lái)，而無(wú)需計(jì)算任何分子的三維結(jié)構(gòu)。

通過篩選包含約4700種候選藥物分子的庫(kù)，團(tuán)隊(duì)測(cè)試了他們的模型，并確定了這些藥物與51種蛋白激酶結(jié)合的能力。

從熱門結(jié)果中，研究人員選擇了19組“藥物—蛋白質(zhì)對(duì)”進(jìn)行實(shí)驗(yàn)測(cè)試，最終12對(duì)具有很強(qiáng)的結(jié)合親和力，而幾乎所有其他可能的藥物—蛋白質(zhì)對(duì)都沒有親和力。

研究人員表示，藥物研發(fā)成本之所以如此高昂，部分原因是它的失敗率很高。如果能事先預(yù)測(cè)這種結(jié)合不可能奏效，就能減少失敗率，從而大大降低新藥開發(fā)的成本。

總編輯圈點(diǎn)：

在我們普通人還在用語(yǔ)言模型聊天和寫作時(shí)，科研人員已經(jīng)看到了它在藥物篩選方面的變革性潛力。藥物研發(fā)耗時(shí)漫長(zhǎng)且相當(dāng)昂貴，要做大量的“無(wú)用功”。人工智能已經(jīng)被引入這一枯燥漫長(zhǎng)的過程，幫助縮短分子配對(duì)的時(shí)間。文中介紹的新模型ConPLex可以分析大量文本，并找到最可能出現(xiàn)在一起的組合。這種基于語(yǔ)言模型研究的思路，超越了目前最先進(jìn)的算法，可在一天內(nèi)篩選超過1億種化合物。論文已經(jīng)對(duì)篩選結(jié)果進(jìn)行了實(shí)驗(yàn)檢測(cè)，結(jié)果也令人欣喜。