ChatGPT 影響藥物發現的四種方式-行業動態-樂明藥業（蘇州）有限公司

（來源：網絡）

不可能在網上聽不到 ChatGPT，這是 OpenAI 于 2022 年 11 月推出的備受爭議的聊天機器人。在這里，DDW 的 Diana Spencer 探討了 ChatGPT 和類似技術可能改變藥物發現和開發未來的方式。

Chat Generative Pre-Trained Transformer（或 ChatGPT）是一種對話式聊天機器人，旨在像人類一樣進行交互。創建者 OpenAI 在測試階段免費提供原型程序，并鼓勵用戶分享他們的反饋。

在公司網站上，OpenAI 表示：“對話格式使 ChatGPT 能夠回答后續問題、承認錯誤、挑戰不正確的前提并拒絕不適當的請求?！?/span>

根據維基百科：“它具有編寫和調試計算機程序、創作音樂、電視劇、童話和學生論文的能力；回答測試問題（有時根據測試，水平高于普通人類測試者）；寫詩和歌詞；模擬 Linux 系統；模擬整個聊天室；玩填字游戲；以及模擬 ATM?！?/span>

這種多功能性，加上給出錯誤答案的傾向，導致人們擔心將不再可能依賴實時的在線互動，更不用說互聯網上提供的信息的準確性了。

那么，像這樣的軟件如何影響藥物發現，這個迄今為止已經應用人工智能 (AI) 可能性的行業？

1學術研究

2023 年 1 月，《自然》雜志報道說，ChatGPT 被列為學術論文的特約作者，這表明學術研究人員已經開始在他們的研究中使用該機器人。許多期刊出版商爭辯說，聊天機器人不能被列為作者，并且被迫制定關于如何在研究環境中使用或不使用它的政策。ChatGPT 撰寫令人信服的論文的能力也是一個值得關注的領域，并導致人們擔心學校和大學評估標準形式，將成為過去。為了打擊學術剽竊，學生 Edward Tian 創建了一個應用程序，可以區分聊天機器人GPTZero和人類編寫的文本，這可以為書面評估的未來帶來一些希望。使用該軟件撰寫論文實際上可能不會給學生或研究人員帶來優于同齡人的優勢，但是，因為許多人發現當需要深入研究科學知識時，聊天機器人的回答并不準確。阿姆斯特丹的業務開發人員兼科學家 Lorenzo Bombardelli 在 LinkedIn 上發帖稱：“我很好奇#AI monster #chatGPT 是否真的可以取代數百小時的學習時間和多年的工作經驗。鑒于一些大學已經禁止它，擔心任何人都會突然通過任何考試，我試著提出一個需要#genetics 特定知識的艱難科學問題?！?/span>在回應“建議光誘導重組酶”的請求時，ChatGPT 提供了一個寫得很好且令人信服的錯誤答復，證明像這樣的 AI 在能夠匹配或模仿一個博覽群書的研究人員之前還有很長的路要求。

2監管事務

ChatGPT 在藥物發現領域進行測試的一種方式是在監管事務方面。Pharmavibes 網站表明，它可以成為有關不同國家法規的有用信息來源，并幫助公司了解與其產品相關的法規。它還建議公司在向監管機構提交申請時可以使用 ChatGPT。它向 ChatGPT 詢問了與藥品法規相關的各種非常詳細的問題，并分享了詳細的答復，但警告說，在將 ChatGPT 提供的任何信息納入申請之前，都應該對其進行檢查。總的來說，作者似乎印象深刻并得出結論：“程序給出的結果與人工反饋的類似，如果 chatGPT 是人工智能為監管事務可能帶來的附加值的一線曙光，那么它看起來很有前途，我期待著體驗未來迭代的算法程序。

3計算化學

在最近的一項研究中，美國密歇根州立大學化學系的 Gaurav Sharma 和 Abhishek Thakurb 測試了 ChatGPT 在藥物發現過程中的能力，尤其是計算化學。為了響應他們的許多請求，研究人員發現 ChatGPT 準確且有用。它能夠計算化合物的多重性，為高斯軟件生成輸入文件并找到所需的 PDB（蛋白質數據庫）文件。它對于文獻檢索、檢查抄襲和編寫基本代碼也很有用。然而，他們發現在回答復雜問題以及提供 FASTA 序列和 ADMET 屬性方面存在不足。Sharma 和 Thakurb 認為 ChatGPT 可以在識別和驗證新藥物靶點、設計新藥、優化藥物特性、評估毒性以及生成藥物相關的報告和論文方面發揮重要作用。他們總結道：“值得重視的是，ChatGPT 只是藥物發現中使用的眾多工具之一，它不能替代實驗驗證和臨床試驗。然而，通過提供一種經濟高效的方式來處理大量數據和產生新知識，ChatGPT 可以幫助研究人員做出更明智的決策并加速藥物發現過程?！?/span>

4蛋白質語言模型

雖然 ChatGPT 可能有其局限性，但研究人員已經在研究其背后技術的可能性——自然語言處理。該方法需要訓練 AI 程序來分析和合成蛋白質，就像 ChatGPT可以教它識別和真實地響應語言請求一樣。Karen Hao 在《華爾街日報》中解釋說：“這些模型對所謂的蛋白質語法進行編碼——控制哪些氨基酸組合產生特定治療特性的規則——以預測可能成為新藥物分子基礎的字母序列. 因此，藥物發現早期階段所需的時間可能會從幾年縮短到幾個月?！?/span>各種成熟和初創公司現在都在使用這種方法來優化已知分子，希望該技術能夠找到迄今為止被認為不可成藥區域的改進方法。

ChatGPT在藥物發現方面的未來前景：

1.識別和驗證新的藥物靶點：ChatGPT可以在以下數據集上進行微調科學文獻，用于生成特定疾病或生物目標的最新研究摘要。這可以幫助研究人員快速確定新的潛在目標，或更好地了解特定領域的研究現狀。 2.設計新藥：ChatGPT可以在已知藥物如分子，用于生成具有類似官能團的新化學結構。這可以幫助研究人員確定，在臨床前和臨床研究中成功幾率更高的新先導化合物。 3.優化藥物化合物庫：ChatGPT 可用于預測藥物動力學和并支持早期藥物發現中的虛擬篩選。 4.評估毒性：ChatGPT可以根據毒性數據集進行微調，并用于預測新藥的預期毒理數據。 5.ChatGPT可以在已知類藥物分子的數據集上進行微調，并用于生成具有類似官能團的新化學結構。這可以幫助研究人員確定在臨床前和臨床研究中成功幾率更高的新先導化合物。

缺點:

雖然ChatGPT可以成為藥物發現的強大工具，但使用該技術也存在一些潛在的缺點： 1.對數據質量和可用性的依賴：ChatGPT僅與它所擁有的數據一樣好，如果數據不完整、有偏差或不準確，模型的預測可能不可靠。 2.缺乏實驗驗證：ChatGPT可以生成預測和假設，但它不能進行實驗或測量化合物的資源。因此，需要通過實驗驗證模型所做的預測。 3.對潛在生物學的理解有限：雖然 ChatGPT 可以給出像人工一樣的答案，但它不理解模擬生物學系統的潛在意義。因此，模型做出的預測可能并不總是反映系統的真實復雜性。 4.可解釋性有限：ChatGPT 和其他機器學習模型一樣闡述，并且并不總是清楚模型是如何得出特定預測的。 5.處理不確定性的局限性：ChatGPT是一個確定性模型，它無法解釋數據和預測的不確定性。 6.缺乏透明度：ChatGPT是一個黑箱模型，很難理解、闡述模型的內部工作原理，這會使人們難以相信模型的預測結論。

綜上所述

ChatGPT 具有巨大的潛力，與其他聊天機器人相比肯定要先進得多，但現在還處于早期階段，而且可能還需要很長時間，我們才能完全依賴 AI 聊天機器人。必須承認當前軟件的缺點和不足，OpenAI 首席執行官 Sam Altman 在 12 月發推文說：“現在依賴它來做任何重要的事情都是錯誤的。這是該技術探索的預覽版；我們在穩健性和真實性方面還有很多工作要做?！?/span>目前，與現實世界的應用相比，它可能更適合用于有趣的實驗，但作為概念的驗證，ChatGPT 可能是人工智能在藥物發現領域邁出的具有巨大影響力的一步。

參考文獻：

https://openai.com/blog/chatgpt/

https://www.nature.com/articles/d41586-023-00107-z

https://www.bbc.co.uk/news/world-us-canada-64252570

https://www.pharmavibes.co.uk/2023/02/03/chatgpt-a-chatbot-with-a-myriad-of-potential-uses-possibly-including-regulatory-affairs/

https://www.researchgate.net/publication/367615640_ChatGPT_in_Drug_Discovery

https://www.wsj.com/articles/how-ai-that-powers-chatbots-and-search-queries-could-discover-new-drugs-11670428795

https://chemrxiv.org/engage/chemrxiv/article-details/63d56c13ae221ab9b240932f

LINDMIK PHARMA

SIGN UP

LINDMIK MAP

CONTACT US