每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

Assay2Mol：基于大型语言模型、使用 BioAssay 上下文的药物设计

Created by
  • Haebom

作者

邓一帆、Spencer S. Ericksen、Anthony Gitter

大纲

Assay2Mol 是一个基于大规模语言模型的工作流程，旨在利用现有的海量生化筛选检测数据集来加速早期药物发现。它搜索与现有靶点相似的检测方法，并利用检索到的检测筛选数据，通过上下文学习生成候选分子。通过利用非结构化文本中的生物学机制和实验筛选方案等信息，Assay2Mol 的表现优于仅使用靶点蛋白质结构的现有机器学习方法，从而加速生成高度可合成的分子。

Takeaways, Limitations

•
Takeaways：
◦
我们证明，通过利用现有的非结构化文本数据可以简化新药开发流程。
◦
它可以生成比现有机器学习方法性能更高、合成潜力更大的分子。
◦
它为早期药物发现提供了新的可能性。
•
Limitations：
◦
缺乏用于评估 Assay2Mol 性能的数据集的大小和多样性的详细信息。
◦
需要验证所生成分子的实际功效和安全性。
◦
该模型的泛化性能和对各种目标的适用性还有待进一步研究。
👍
Made with Slashpage