您的位置:医药网首页 > 医药资讯 > 医药政策法规 > 为AI制药带来新工具:浙大侯廷军团队开发基于大语言模型的多属性分子优化工具

为AI制药带来新工具:浙大侯廷军团队开发基于大语言模型的多属性分子优化工具

来源:生物世界 2024-11-02 13:49

该研究开发的Prompt-MolOpt提供了一种灵活的多属性、多点分子优化方法,在化学研究和药物及材料发现方面具有潜在实用价值。

浙江大学智能创新药物研究院&药学院侯廷军教授、谢昌谕教授、中南大学曹东升教授及碳硅智慧(CarbonSilicon AI)的研究人员合作,在Nature 子刊Nature Machine Intelligence 上发表了题为:Leveraging language model for advanced multiproperty molecular optimization via prompt engineering的研究论文。

该研究开发了一个分子优化工具 Prompt-MolOpt,它利用了在大型语言模型(large language model,LLM)中使用的基于提示词(Prompt)的嵌入,以提高transformer进行多属性分子优化的能力。

图片

Prompt-MolOpt是一个分子优化工具,它利用了在大型语言模型(large language model,LLM)中使用的基于提示词(Prompt)的嵌入,以提高transformer为特定属性调整优化分子的能力。值得注意的是,Prompt-MolOpt擅长处理有限的多属性数据(即使在零样本设置下),通过有效地泛化从单属性数据集中学习到的因果关系。

图片

Prompt-MolOpt的工作流程概述

在与JTNN、hierG2G和Modof等已建立的模型的比较评估中,Prompt-MolOpt与领先的Modof模型相比,在多属性优化成功率方面实现了15%以上的相对提高。

此外,Prompt-MolOpt的一个变种 Prompt-MolOptP,能够在结构转换过程中保留药效基团或用户指定的片段,进一步扩大了其应用范围。

图片

Prompt-MolOptP的分子优化框架概述

通过构建定制化的优化数据集,借助该研究中引入的protocol,Prompt-MolOpt可以引导分子优化朝着与领域相关的化学空间发展,从而提升优化分子的质量。在真实世界中的测试,例如涉及血脑屏障渗透性优化的测试,凸显了Prompt-MolOpt在实际应用中的相关性。

总的来说,该研究开发的Prompt-MolOpt提供了一种灵活的多属性、多点分子优化方法,在化学研究和药物及材料发现方面具有潜在实用价值。

版权声明 本网站所有注明“来源:100医药网”或“来源:bioon”的文字、图片和音视频资料,版权均属于100医药网网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:100医药网”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。

87%用户都在用100医药网APP 随时阅读、评论、分享交流 请扫描二维码下载->

医药网新闻
返回顶部】【打印】【关闭
扫描100医药网微信二维码
视频新闻
图片新闻
医药网免责声明:
  • 本公司对医药网上刊登之所有信息不声明或保证其内容之正确性或可靠性;您于此接受并承认信赖任何信息所生之风险应自行承担。本公司,有权但无此义务,改善或更正所刊登信息任何部分之错误或疏失。
  • 凡本网注明"来源:XXX(非医药网)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。本网转载其他媒体之稿件,意在为公众提供免费服务。如稿件版权单位或个人不想在本网发布,可与本网联系,本网视情况可立即将其撤除。联系QQ:896150040