Как крупные языковые модели преобразуют разработку лекарств

Фармацевтическая промышленность стоит на трансформационном перекрестке, поскольку искусственный интеллект меняет ландшафт разработки лекарств. В переписке, опубликованной в журнале Keai Turning Molecular Pharmacology, группа исследователей из Китая освещает, как крупные языковые модели (LLMS) – сложные системы ИИ, питающие передовые чат -боты – обеспечивают беспрецедентные прорывы во всем трубопроводе обнаружения лекарств. Эти интеллектуальные системы выходят за рамки простой помощи, чтобы принципиально переопределить границы медицинских исследований.

«LLM представляют собой квантовый скачок в фармацевтических инновациях», – объясняет доктор Анки Лин, один из авторов исследования. «Обработка и интерпретация сложных биологических данных с человеческим пониманием, эти модели могут идентифицировать перспективных кандидатов на лекарства, которые в противном случае могут оставаться скрытыми в огромных химических ландшафтах».

В этом исследовании рассматривается обширное применение LLMS на ключевых этапах разработки лекарств, включая идентификацию и скрининг мишеней, молекулярную проектирование и оптимизация, перепрофилирование лекарств, доклинические исследования и клинические испытания. Усовершенствованные LLM, такие как модели с большим языком белка, значительно усиливают идентификацию мишеней, путем интеграции трехмерных белковых структур с данными молекулярного взаимодействия, в то время как передовые модели, такие как 3DSmiles-GPT, генерируют оптимизированные молекулы лекарств с замечательной точностью. Для перепрофилирования лекарств LLM эффективно анализируют существующие лекарства, чтобы раскрыть новые терапевтические применения, потенциально сэкономив многолетнее время разработки. В доклинических исследованиях эти модели демонстрируют исключительные возможности в прогнозировании токсичности и взаимодействия лекарств. В исследовании также подчеркивается, как LLM преобразуют клинические испытания с помощью автоматического анализа данных и улучшенного мониторинга безопасности.

Однако значительные проблемы сопровождают эти достижения. Ограниченный доступ к высококачественным наборам данных, существенным вычислительным требованиям и неотъемлемой сложности процессов принятия решений ИИ представляют грозные препятствия. Этические соображения относительно конфиденциальности пациента и алгоритмической прозрачности остаются первостепенными по мере развития этих технологий. «Будущее заключается в создании синергетических партнерских отношений между человеческим опытом и крупными языковыми моделями», – заключает доктор Пенг Луо, ведущий автор исследования. «Будущие исследования должны сосредоточиться на повышении кросс-модального обучения LLMS, синергетической интеграции специализированных биохимических инструментов, оптимизации модельных методов тонкой настройки и укрепления проверки надежности прогнозирования для установления систематической основы для решения наиболее устойчивых проблем медицины посредством совместного интеллекта».

Anqi Lin, Xiuhui Fang, Aimin Jiang, Chang Qi, Wenyi Gan, Lingxuan Zhu, Weiming Mou, Dongqiang Zeng, Mingjia Xiao, Guangdi Chu, Shengkun Peng, Hank ZH Wong, Lin Zhang, Hengguo Zhang, Xinpei Deng, Quan Cheng, Haoran Zhang, Zhuocheng Zhong, Zhengrui Li, Bufu Tang, Peng Luo.
Большие языковые модели в разработке лекарств: текущий прогресс и будущие направления.
Текущая молекулярная фармакология, 2025. doi: 10.1016/j.cmp.2025.06.003