【ITBEAR科技資訊】06月13日消息，美國麻省理工學院和塔夫茨大學的科研人員最近在《美國國家科學院院刊》上發表了一項突破性的研究成果。他們設計出一種名為ConPLex的全新人工智能算法，利用大型語言模型(如ChatGPT)來實現目標蛋白與潛在藥物分子的快速匹配，無需進行繁瑣的分子結構計算。
據ITBEAR科技資訊了解，該研究方法具備了非常快速的篩選能力，研究人員可以在一天內對超過1億種化合物進行篩選，遠遠超過現有的任何模型。這一突破意味著目前藥物篩選領域的需求得到了滿足，同時還具備可擴展性，可以評估脫靶效應、藥物再利用以及突變對藥物結合的影響，對于科學研究具有重要意義。
近年來，科學家們在基于氨基酸序列預測蛋白質結構方面取得了顯著進展。然而，在預測大型潛在藥物庫與致癌蛋白相互作用方面仍然面臨著巨大挑戰，因為計算蛋白質的三維結構需要大量時間和計算能力，這是一項非常復雜的任務。
據悉，麻省理工學院團隊在本次研究中基于他們2019年首次開發的蛋白質模型，成功將該模型應用于確定蛋白質序列與特定藥物分子的相互作用。
研究人員表示，藥物研發的成本之所以如此高昂，部分原因是藥物的失敗率較高。如果能夠事先預測結合效果不佳的情況，就能夠減少失敗率，從而大幅降低新藥開發的成本。
這項新的ConPLex模型為藥物研發領域帶來了巨大的希望，將加速藥物篩選過程，為研究人員提供更高效、更準確的工具，助力新藥開發的突破。隨著人工智能在醫藥領域的廣泛應用，相信未來將有更多創新的成果涌現，為人類健康事業帶來福音。
