यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है। यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है। पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।
Assay2Mol: बायोएसे संदर्भ का उपयोग करते हुए बड़े भाषा मॉडल-आधारित दवा डिजाइन
Created by
Haebom
लेखक
यिफान डेंग, स्पेंसर एस. एरिक्सन, एंथनी गिटर
रूपरेखा
Assay2Mol एक बड़े पैमाने पर भाषा मॉडल-आधारित वर्कफ़्लो है जो जैव रासायनिक स्क्रीनिंग परखों से प्राप्त असंरचित पाठ्य डेटा का उपयोग करके नवीन औषधि खोज के लिए संभावित अणु उत्पन्न करता है। यह पारंपरिक लक्ष्य प्रोटीन संरचना-आधारित मशीन लर्निंग विधियों से बेहतर प्रदर्शन करता है और संश्लेषण योग्य अणुओं के निर्माण में सुधार करता है। यह समान लक्ष्यों वाले मौजूदा परख रिकॉर्डों की खोज करता है और प्राप्त परख स्क्रीनिंग डेटा का उपयोग संदर्भ-में-पाठ अधिगम के माध्यम से संभावित अणु उत्पन्न करने के लिए करता है। यह प्रारंभिक चरण की औषधि खोज का समर्थन करने के लिए तकनीकी पाठ के साथ-साथ विशाल मात्रा में मात्रात्मक डेटा वाले वैज्ञानिक डेटाबेस का उपयोग करता है।
Takeaways, Limitations
•
Takeaways:
◦
हम जैव रासायनिक स्क्रीनिंग परीक्षणों से असंरचित पाठ्य डेटा का लाभ उठाकर दवा की खोज में तेजी लाने की क्षमता प्रस्तुत करते हैं।
◦
ऐसे संभावित अणु उत्पन्न करता है जो मौजूदा मशीन लर्निंग तरीकों से बेहतर प्रदर्शन करते हैं और उच्च संश्लेषण क्षमता रखते हैं।
◦
इससे प्रारंभिक चरण की दवा खोज प्रक्रिया में दक्षता बढ़ सकती है।
•
Limitations:
◦
इस शोधपत्र में विशिष्ट Limitations का उल्लेख नहीं है। मॉडल के प्रदर्शन मूल्यांकन मानकों, डेटासेट के आकार, सामान्यीकरण प्रदर्शन और वास्तविक दवा विकास प्रक्रिया में प्रयोज्यता पर अतिरिक्त शोध की आवश्यकता है।
◦
विशिष्ट लक्ष्यों के लिए डेटा की कमी के कारण प्रदर्शन में गिरावट की संभावना हो सकती है।
