IT采购网06月13日消息，美国麻省理工学院和塔夫茨大学的科研人员最近在《美国国家科学院院刊》上发表了一项突破性的研究成果。他们设计出一种名为ConPLex的全新人工智能算法，利用大型语言模型(如ChatGPT)来实现目标蛋白与潜在药物分子的快速匹配，无需进行繁琐的分子结构计算。
据IT采购网了解，该研究方法具备了非常快速的筛选能力，研究人员可以在一天内对超过1亿种化合物进行筛选，远远超过现有的任何模型。这一突破意味着目前药物筛选领域的需求得到了满足，同时还具备可扩展性，可以评估脱靶效应、药物再利用以及突变对药物结合的影响，对于科学研究具有重要意义。
近年来，科学家们在基于氨基酸序列预测蛋白质结构方面取得了显著进展。然而，在预测大型潜在药物库与致癌蛋白相互作用方面仍然面临着巨大挑战，因为计算蛋白质的三维结构需要大量时间和计算能力，这是一项非常复杂的任务。
据悉，麻省理工学院团队在本次研究中基于他们2019年首次开发的蛋白质模型，成功将该模型应用于确定蛋白质序列与特定药物分子的相互作用。
研究人员表示，药物研发的成本之所以如此高昂，部分原因是药物的失败率较高。如果能够事先预测结合效果不佳的情况，就能够减少失败率，从而大幅降低新药开发的成本。
这项新的ConPLex模型为药物研发领域带来了巨大的希望，将加速药物筛选过程，为研究人员提供更高效、更准确的工具，助力新药开发的突破。随着人工智能在医药领域的广泛应用，相信未来将有更多创新的成果涌现，为人类健康事业带来福音。
