社区
教程
Wiki
注册
登录
创作新主题
社区所有版块导航
Python
python开源
Django
Python
DjangoApp
pycharm
DATA
docker
Elasticsearch
分享
问与答
闲聊
招聘
翻译
创业
分享发现
分享创造
求职
区块链
支付之战
aigc
aigc
chatgpt
WEB开发
linux
MongoDB
Redis
DATABASE
NGINX
其他Web框架
web工具
zookeeper
tornado
NoSql
Bootstrap
js
peewee
Git
bottle
IE
MQ
Jquery
机器学习
机器学习算法
Python88.com
反馈
公告
社区推广
产品
短视频
印度
印度
一周十大热门主题
UTM坐标转WGS84坐标,以及怎么查看python源代码!
危!比 Python 快 90,000 倍的 Mojo 官宣开源
浙大 GIS 实验室融合机器学习及卫星测绘,发布全球海表溶解氧综合建模框架
为Python应用选择最好的Docker镜像
用ChatGPT“翻译”?坑你没商量!
Github上开源的一款专注于教科书和研究论文的PDF阅读器:Sioyek
不输ChatGPT!一款强到离谱的科研AI工具!博士师姐裂墙推荐!
深度学习图论(Graph Theory)
ChatGPT 之父最新演讲:GPT-5 聪明程度超乎想象,一大批 AI 公司的努力将毫无意义
ChatGPT之父奥特曼斯坦福演讲全场爆满!强大到发指的AI要来了!不必感到恐惧,因为与未来相比,...
关注
Py学习
»
chatgpt
麻省理工团队开发类ChatGPT模型,基于蛋白质大语言模型,加速AI药物发现
生物世界
• 10 月前 • 299 次点击
撰文丨王聪
编辑丨王多鱼
排版丨水成文
开展一个药物筛选项目就像举办一场大型酒会,并旁听和记录整个过程。在酒会上的绝大多数交流只是闲聊,有意义的谈话只占极少数。药物筛选同样如此,微弱的药物靶标相互作用远超高亲和力的结合。
如果你不得不仔细聆听就会上每一句对话,其乏味程度可想而知。在经典药物筛选中评估每一个药物与靶标的相互作用的体验同样糟糕,即使最耐心的倾听者——
人工智能
——也会筋疲力尽。
传统的人工智能
(AI)
系统需要很长时间来筛选候选药物和蛋白质靶点之间相互作用的数据。大多数AI系统根据每个目标蛋白质的氨基酸序列计算其三维结构,然后使用这些结构来预测它将与哪些药物分子相互作用。这种方法尽管详尽,但速度缓慢。
今年爆火的以
ChatGPT
为代表的大语言模型AI技术,能为药物筛选带来哪些技术革新呢?
2023年6月8日,麻省理工学院
(MIT)
教授、计算分子生物学先驱
Bonnie Berger
在《美国国家科学院院刊》
(PNAS)
发表了题为:
Contrastive learning in protein language space predicts interactions between drugs and protein targets
的研究论文。
研究团队设计了一种基于大语言模型的AI算法——
ConPLex
,它可以像ChatGPT那样分析大量文本并找到最可能一起出现的单词
(在这项研究中则是
氨基酸
)
,
从而将目标蛋白质与潜在药物分子相匹配,而无需执行计算分子结构的密集计算步骤。
ConPLex
可以利用预先训练的蛋白质语言模型
(PLex)
,并采用蛋白质锚定的对比共嵌入
(Con)
,超越目前最先进的算法,实现通过蛋白质语言空间的对比学习来预测药物和目标蛋白质之间的相互作用。
药物发现是实现人类健康的一项基本任务,但整个过程仍然非常昂贵和耗时,一款药物从开发到批准和上市销售通常需要花费超过10亿美元和10年的时间。虽然实验结果仍是验证药物功能的金标准,但药物-靶标结合的计算机预测还可以
更
快、更便宜,因此将继续在早期筛选候选治疗药物中发挥重要作用。
为了解决药物发现中的关键第一步,研究团队开发了
ConPLex
模型,尝试将药物靶点相互作用
(DTI)
推进到未知药物和靶点类型,同时又能区分具有不同结合特征的结构高度相似的药物候选分子
。
ConPLex
通过
蛋白质语言模型
(PLM)
和
对比学习
(Contrastive Learning)
的双重使用解决了上述两个挑战。
ConPLex
的
广泛适用性、对诱饵的特异性和大规模数据的能力将使其实现药物发现的关键一步,有助于大幅提高药物发现的效率和成功率。
研究团队表示,
ConPLex
实现了高精度,对不可见数据的广泛适应性,以及对诱饵化合物的特异性。它可以根据习得表征之间的距离来预测结合,从而实现大规模化合物文库和人类蛋白质组的预测。
ConPLex模型的体系结构和训练框架,ConPLex的训练分为两个阶段,以优化通用性和特异性。
研究团队通过筛选大约4700个候选药物分子文库来测试这一模型,以检测这些候选药物分子与51种蛋白激酶的结合能力。
整个筛选过程完全基于
ConPLex
模型的预测,而没有参考以前的实验数据或文献。
研究团队从预测的热门候选分子中选择了19对药物-蛋白对进行进一步实验检测,实验结果显示,其中有12对具有很强的结合亲和力,其中有4对具有极强的亚纳摩尔结合亲和力,以至于十亿分之一的微小药物浓度就足以抑制目标蛋白功能。例如,该模型筛选到了一种能够强效结合酪氨酸蛋白激酶受体B1
(EPHB1)
的抑制剂PD-166326,其K
D
=1.3nM。
在这篇论文中,研究团队主要将
ConPLex
模型
应用于小分子药物的筛选,但研究团队表示,他们正在将该模型应用于其他类型的药物筛选,例如
治疗性抗体
。此外,该模型还
可用于对潜在药物化合物的毒性筛选,以确保它们在动物模型测试之前没有任何不必要的毒副作用
。
论文通讯作者
Bonnie Berger
教授表示,
这项工作解决了对潜在候选药物进行高效、准确的硅基筛选的需求,
ConPLex
模型
能够大规模筛选评估脱靶效应、药物再利用,并确定突变对药物结合的影响。
新药研发如此昂贵的一大原因是其失败率太高,
如果我们能够通过这种人工智能模型提前预测并筛掉那些不太可能有效的候选药物分子,就能大大降低失败率,从而大幅降低新药研发的时间和成本
。
研究团队还将ConPLex进行了开源,地址是:
https://ConPLex.csail.mit.edu
作为国内生物制药圈重要的展示交流平台,
BioCon China Expo 2023
第十届国际生物药大会暨展览会将于2023年6月19-21日在
杭州国际博览中心
举办。
本届BioCon China Expo 2023中,主办方
商图
与
生物世界
全新推出“
AI for Science
”专场
(6月21日)
,
探索人工智能
(AI)
驱动的生物医药研究。
专场席位有限
!
即刻扫码
免费预登记
(注册时请选择“媒体特邀参观票”,数量有限)
论文链接
:
https://www.pnas.org/doi/10.1073/pnas.2220778120
设置
星标
,不错过精彩推文
开放转载
欢迎转发到朋友圈和微信群
微信加群
为促进前沿研究的传播和交流,我们组建了多个
专业交流群
,长按下方二维码,即可添加小编微信进群,由于申请人数较多,添加微信时请备注:
学校
/
专业
/
姓名
,如果是
PI
/
教授
,还请注明。
点
在看
,传递你的品味
Python社区是高质量的Python/Django开发社区
本文地址:
http://www.python88.com/topic/156207
299 次点击
登录后回复