谷歌研发全新 AI 模型 TxGemma,助力新药物发现及研究

谷歌表示,这些 AI 模型将在本月晚些时候通过其 Health AI Developer Foundations 计划发布,能够理解“常规文本”,并解析化学物质、分子和蛋白质等不同“治疗实体”的结构。

据外媒 TechCrunch 报道,当地时间周二,谷歌在纽约的一场健康主题活动上宣布,正在研发一系列用于药物发现的“开放”人工智能模型,名为 TxGemma。

谷歌表示,这些 AI 模型将在本月晚些时候通过其 Health AI Developer Foundations 计划发布,能够理解“常规文本”,并解析化学物质、分子和蛋白质等不同“治疗实体”的结构

谷歌首席健康官凯伦・德萨尔沃表示道,药物研发从概念到最终获批的过程漫长且成本高昂,因此谷歌正与研究界合作,寻找提高研发效率的新方法。“研究人员可以向 TxGemma 询问潜在新疗法的关键特性,例如安全性和疗效。”

近年来,人工智能在药物研发领域备受关注,包括谷歌衍生公司 Isomorphic Labs 在内的众多企业都曾表示,AI 有望大幅加快药物早期研发。然而,尽管已有一些进展,AI 并未能在实验室中带来立竿见影的突破。

尽管如此,大型制药企业和投资者仍然看好 AI 在该领域的前景。今年 1 月,与制药巨头礼来和诺华建立合作的 Isomorphic 表示,其 AI 设计的药物预计将在今年开始测试。据估算,全球已有超过 460 家 AI 初创公司专注于药物研发,投资总额已超过 600 亿美元(AI在线注:现汇率约合 4338.21 亿元人民币)。

相关资讯

精确属性控制,湖大、西电从头药物设计AI方法,登Nature子刊

编辑 | 萝卜皮深度生成模型在药物从头设计领域受到广泛关注。 然而,针对新靶点合理设计配体分子仍然具有挑战性,特别是在控制生成分子的性质方面。 在这里,受到 DNA 编码化合物库技术的启发,湖南大学和西安电子科技大学的研究人员提出了 DeepBlock,这是一种基于块(block)的配体生成深度学习方法,可根据目标蛋白质序列进行定制,同时实现精确的属性控制。

「两全其美」,从头设计分子,深度学习架构S4用于化学语言建模

编辑 | KX生成式深度学习正在重塑药物设计。化学语言模型 (CLM) 以分子串的形式生成分子,对这一过程尤为重要。近日,来自荷兰埃因霍芬理工大学(Eindhoven University of Technology)的研究人员将一种最新的深度学习架构(S4)引入到从头药物设计中。结构化状态空间序列(Structured State Space Sequence,S4)模型在学习序列的全局属性方面表现卓越,那么 S4 能否推进从头设计的化学语言建模?为了给出答案,研究人员系统地在一系列药物发现任务上对 S4 与最先

识别精度高达76.32%,浙大、之江团队用深度学习加速大规模药物发现和再利用

编辑 | 萝卜皮大规模药物研发和再利用具有挑战性。确定作用机制 (MOA) 至关重要,但目前的方法成本高昂且通量低。在这里,浙江大学、之江实验室以及斯坦福大学的研究人员介绍了一种通过分析线粒体表型变化来识别 MOA 的方法。通过对线粒体形态和膜电位进行时间成像,研究人员建立了监测时间分辨线粒体图像的流程,得到了一个数据集,其中包含 570,096 张暴露于 1,068 种美国食品和药物管理局批准药物的细胞单细胞图像。该团队开发了一种名为 MitoReID 的深度学习模型,该模型使用重新识别 (ReID) 框架和 I