英矽智能即将启动临床二期的小分子在研药物INS018_055,就是全球第一个针对全新靶点利用生成式AI生成的全新候选药物
AI在制药方面的应用有很多,以下是一些示例:
1. 药物研发:AI可以帮助研究人员更快地筛选出具有潜在疗效的化合物,并预测药物的药效、毒性和副作用等。
《新科学家》杂志网站近日报道,总部位于英国的人工智能公司“深度思维”宣布,将公布超2亿个蛋白质的结构。该公司在短短18个月内,凭借“阿尔法折叠”算法,预测了迄今被编目的几乎所有蛋白质的结构,破解了生物学领域最重大的挑战之一
AlphaFold2 是由 DeepMind 开发的一种蛋白质结构预测算法模型,是目前最先进的蛋白质结构预测工具之一。它通过深度学习和人工智能技术,能够快速且准确地预测出蛋白质的三维结构。AlphaFold2 在2020年CASP14比赛中表现出色,成为了该比赛历史上最优秀的蛋白质结构预测工具,其预测的蛋白质结构的准确率已经接近实验测量的准确率。AlphaFold2 的出现将会对蛋白质研究领域带来重大的影响,加速蛋白质结构的解析和研究进程。
ChatGPT出现前,人们都倾向于认为DeepMind才是更优秀的、也更接近AGI(通用人工智能)的公司。实际上,AGI这一名词,就是DeepMind创始人德米斯·哈萨比斯(Demis Hassabis)在十三年前首次提出的蛋白质结构预测的重大意义
蛋白质是生命体内最基本的分子之一,其功能与结构密切相关
以下是几个方面的具体意义:
1. 药物研发:药物的作用机制通常是与蛋白质的相互作用有关。因此,了解蛋白质的结构可以帮助药物研发人员设计更好的药物分子,提高药物的疗效和减少不良反应。
2. 生命科学:蛋白质在生命体内发挥着重要的生物学功能,例如酶的催化作用、信号传递、细胞骨架的构建等。了解蛋白质的结构可以帮助我们更好地理解这些生物学功能的机理。
3. 生物技术:蛋白质在生物技术中也有广泛的应用,例如生物制药、酶催化反应、蛋白质工程等。了解蛋白质的结构可以帮助我们更好地设计和优化这些生物技术应用。
综上所述,蛋白质结构预测对于药物研发、生命科学和生物技术等领域都具有重要的意义。
以下信息来自药石科技22年半年报截取:
持续优化提高前期已搭建的基于公司独有药物分子砌块的三大核心小分子化合物库:结构多样化碎片分子库 (Fragment Library)、DNA 编码化合物库 (DEL)、超大容量特色虚拟化合物库 (Mega-Virtual Library)。从在库容化合物的结构多样性、新颖性、成药性三个关键要素着手,开展了具有针对性的优化,特别是针对受到业界越来越多关注的创新及高难度靶点的适用性。
在此基础上,充分利用公司持续更新扩展的分子砌块结构资源,面对目前人工智能药物发现领域大量缺乏可解释性的黑匣子分子生成模型所陷的困境,重点开发建设了独特的基于超大成药化学空间的人工智能药物发现技术平台。同时,在此过程中进一步提升了公司分子砌块的数量和质量,促进公司药物分子砌块业务的发展。报告期内, 在已有超大容量虚拟化合物库的基础上,开发了独有的基于分子砌块和化学反应的动态化合物库算法,从根本上突破了限制超大化合物库构建的算力、存储和管理瓶颈,已经建成库容超过 700 亿,同时具有优越成药性的超大虚拟动态化合物库。
区别于绝大部分商业库,公司所开发的新颖正合成算法切实保证了库容分子的可合成性,结合最新发布的全新开源蛋白质结构预测 AlphaFold2 算法模型,具备了针对绝大部分创新靶点的人工智能筛选能力。与此同时,对已有的碎片分子库以及所包含的业界独特中等分子量化合物库、共价结合、三维结构特色碎片化合物库、特色 DEL 库,进行了结构多样性及理化性质优化,着重提高高成药性苗头化合物发现的成功率。DEL 技术平台上,进一步扩大了 DEL 库所包含分子数量,其中对于筛选成功率更为关键的子库数目增加至 300 个以上,此外进一步开发了多个全新的 DNA 兼容的化学反应,结合公司在报告期内研发的新型分子砌块,进一步拓展了库设计的能力和可能性以及库容化合物的结构多样性。
报告期内,公司进一步加强完善了包括生物物理、生物化学、细胞表型、膜蛋白功能筛选在内多种主流筛选技术的筛选平台,以及原核大肠杆菌、昆虫病毒、酵母、哺乳动物细胞等目前四种主要靶点蛋白表达能力的技术平台。结合所构建的多种化合物库,以及进一步提高的多种筛选技术能力,公司在早期苗头化合物发现的能力以及所涉及的疾病领域靶点蛋白领域得到了进一步快速增长,尤其是创新靶点和创新结构两个方面均得到了较大的提高。完成包括全新First-in-class 靶点在内的多个新靶点的筛选,涵盖肿瘤、自身免疫、抗感染和神经类疾病领域的靶点,同时和客户及外部专家开展了全方位的合作 精简总结核心语言。
以下来自药石科技官网:
加分项目:新冠预期差
新冠新变种来袭
其他资料:
说到人工智能,业内很难绕开“DeepMind”这家公司,它最知名的产品是AlphaGo(俗称“阿尔法狗”),就是那个2019年击败了围棋名手李世石的人工智能围棋软件
我们再看一下2018年,DeepMind和OpenAI在GPT领域产品技术水平差异:模型结构:DeepMind在2018年发布的GPT-2模型在结构上与之前的GPT-1相比有了很大改进,使用了更多的参数和更深的网络结构,具有更强的语言生成能力。而OpenAI在2018年发布的GPT并没有达到GPT-2那样的规模和性能,虽然也是基于Transformer的模型,但规模和性能方面可能不如GPT-2。训练数据:DeepMind在训练GPT-2模型时使用了更大规模的语料库,包括WebText、BooksCorpus、CommonCrawl等多个数据集,这些数据集的总量达到了数十亿级别。而OpenAI在2018年发布的GPT模型使用的语料库可能规模较小。发布内容:DeepMind在2018年公开的GPT-2模型可以生成非常逼真的文本内容,有些甚至可以模仿人类的写作风格和语言习惯。而OpenAI发布的GPT模型可能性能方面不如GPT-2,生成的内容可能没有GPT-2那么逼真。
什么叫智能涌现:
智能涌现是指在一组简单的个体中,通过相互作用和自组织的方式产生复杂的群体行为和智能性质的现象。这种智能性质通常是不依赖于个体本身的复杂性或智能的,而是由个体之间的相互作用和规律性产生的。
智能涌现通常发生在分布式系统中,例如群体智能、多智能体系统等。在这些系统中,个体之间的相互作用和信息交流可以促进系统整体的智能性质的产生,例如自组织、协同、适应性、容错性等。智能涌现在人工智能领域也得到广泛的应用,例如集群智能、神经网络、遗传算法等。
随着人工智能技术的不断发展,越来越多的医药公司开始尝试将人工智能技术应用于药物研发,以下是几个AI制药的案例:1. Insilico Medicine:这是一家专注于应用人工智能技术进行药物研发的公司。他们使用深度学习和强化学习等技术,开发了一个名为Generative Tensorial Reinforcement Learning (GENTRL)的算法,用于发现新的药物分子。