ChatGPT 影响药物发现的四种方式-行业动态-乐明药业（苏州）有限公司

（来源：网络）

不可能在网上听不到 ChatGPT，这是 OpenAI 于 2022 年 11 月推出的备受争议的聊天机器人。在这里，DDW 的 Diana Spencer 探讨了 ChatGPT 和类似技术可能改变药物发现和开发未来的方式。

Chat Generative Pre-Trained Transformer（或 ChatGPT）是一种对话式聊天机器人，旨在像人类一样进行交互。创建者 OpenAI 在测试阶段免费提供原型程序，并鼓励用户分享他们的反馈。

在公司网站上，OpenAI 表示：“对话格式使 ChatGPT 能够回答后续问题、承认错误、挑战不正确的前提并拒绝不适当的请求。”

根据维基百科：“它具有编写和调试计算机程序、创作音乐、电视剧、童话和学生论文的能力；回答测试问题（有时根据测试，水平高于普通人类测试者）；写诗和歌词；模拟 Linux 系统；模拟整个聊天室；玩填字游戏；以及模拟 ATM。”

这种多功能性，加上给出错误答案的倾向，导致人们担心将不再可能依赖实时的在线互动，更不用说互联网上提供的信息的准确性了。

那么，像这样的软件如何影响药物发现，这个迄今为止已经应用人工智能 (AI) 可能性的行业？

1学术研究

2023 年 1 月，《自然》杂志报道说，ChatGPT 被列为学术论文的特约作者，这表明学术研究人员已经开始在他们的研究中使用该机器人。许多期刊出版商争辩说，聊天机器人不能被列为作者，并且被迫制定关于如何在研究环境中使用或不使用它的政策。ChatGPT 撰写令人信服的论文的能力也是一个值得关注的领域，并导致人们担心学校和大学评估标准形式，将成为过去。为了打击学术剽窃，学生 Edward Tian 创建了一个应用程序，可以区分聊天机器人GPTZero和人类编写的文本，这可以为书面评估的未来带来一些希望。使用该软件撰写论文实际上可能不会给学生或研究人员带来优于同龄人的优势，但是，因为许多人发现当需要深入研究科学知识时，聊天机器人的回答并不准确。阿姆斯特丹的业务开发人员兼科学家 Lorenzo Bombardelli 在 LinkedIn 上发帖称：“我很好奇#AI monster #chatGPT 是否真的可以取代数百小时的学习时间和多年的工作经验。鉴于一些大学已经禁止它，担心任何人都会突然通过任何考试，我试着提出一个需要#genetics 特定知识的艰难科学问题。”在回应“建议光诱导重组酶”的请求时，ChatGPT 提供了一个写得很好且令人信服的错误答复，证明像这样的 AI 在能够匹配或模仿一个博览群书的研究人员之前还有很长的路要求。

2监管事务

ChatGPT 在药物发现领域进行测试的一种方式是在监管事务方面。Pharmavibes 网站表明，它可以成为有关不同国家法规的有用信息来源，并帮助公司了解与其产品相关的法规。它还建议公司在向监管机构提交申请时可以使用 ChatGPT。它向 ChatGPT 询问了与药品法规相关的各种非常详细的问题，并分享了详细的答复，但警告说，在将 ChatGPT 提供的任何信息纳入申请之前，都应该对其进行检查。总的来说，作者似乎印象深刻并得出结论：“程序给出的结果与人工反馈的类似，如果 chatGPT 是人工智能为监管事务可能带来的附加值的一线曙光，那么它看起来很有前途，我期待着体验未来迭代的算法程序。

3计算化学

在最近的一项研究中，美国密歇根州立大学化学系的 Gaurav Sharma 和 Abhishek Thakurb 测试了 ChatGPT 在药物发现过程中的能力，尤其是计算化学。为了响应他们的许多请求，研究人员发现 ChatGPT 准确且有用。它能够计算化合物的多重性，为高斯软件生成输入文件并找到所需的 PDB（蛋白质数据库）文件。它对于文献检索、检查抄袭和编写基本代码也很有用。然而，他们发现在回答复杂问题以及提供 FASTA 序列和 ADMET 属性方面存在不足。Sharma 和 Thakurb 认为 ChatGPT 可以在识别和验证新药物靶点、设计新药、优化药物特性、评估毒性以及生成药物相关的报告和论文方面发挥重要作用。他们总结道：“值得重视的是，ChatGPT 只是药物发现中使用的众多工具之一，它不能替代实验验证和临床试验。然而，通过提供一种经济高效的方式来处理大量数据和产生新知识，ChatGPT 可以帮助研究人员做出更明智的决策并加速药物发现过程。”

4蛋白质语言模型

虽然 ChatGPT 可能有其局限性，但研究人员已经在研究其背后技术的可能性——自然语言处理。该方法需要训练 AI 程序来分析和合成蛋白质，就像 ChatGPT可以教它识别和真实地响应语言请求一样。Karen Hao 在《华尔街日报》中解释说：“这些模型对所谓的蛋白质语法进行编码——控制哪些氨基酸组合产生特定治疗特性的规则——以预测可能成为新药物分子基础的字母序列. 因此，药物发现早期阶段所需的时间可能会从几年缩短到几个月。”各种成熟和初创公司现在都在使用这种方法来优化已知分子，希望该技术能够找到迄今为止被认为不可成药区域的改进方法。

ChatGPT在药物发现方面的未来前景：

1.识别和验证新的药物靶点：ChatGPT可以在以下数据集上进行微调科学文献，用于生成特定疾病或生物目标的最新研究摘要。这可以帮助研究人员快速确定新的潜在目标，或更好地了解特定领域的研究现状。 2.设计新药：ChatGPT可以在已知药物如分子，用于生成具有类似官能团的新化学结构。这可以帮助研究人员确定，在临床前和临床研究中成功几率更高的新先导化合物。 3.优化药物化合物库：ChatGPT 可用于预测药物动力学和并支持早期药物发现中的虚拟筛选。 4.评估毒性：ChatGPT可以根据毒性数据集进行微调，并用于预测新药的预期毒理数据。 5.ChatGPT可以在已知类药物分子的数据集上进行微调，并用于生成具有类似官能团的新化学结构。这可以帮助研究人员确定在临床前和临床研究中成功几率更高的新先导化合物。

缺点:

虽然ChatGPT可以成为药物发现的强大工具，但使用该技术也存在一些潜在的缺点： 1.对数据质量和可用性的依赖：ChatGPT仅与它所拥有的数据一样好，如果数据不完整、有偏差或不准确，模型的预测可能不可靠。 2.缺乏实验验证：ChatGPT可以生成预测和假设，但它不能进行实验或测量化合物的资源。因此，需要通过实验验证模型所做的预测。 3.对潜在生物学的理解有限：虽然 ChatGPT 可以给出像人工一样的答案，但它不理解模拟生物学系统的潜在意义。因此，模型做出的预测可能并不总是反映系统的真实复杂性。 4.可解释性有限：ChatGPT 和其他机器学习模型一样阐述，并且并不总是清楚模型是如何得出特定预测的。 5.处理不确定性的局限性：ChatGPT是一个确定性模型，它无法解释数据和预测的不确定性。 6.缺乏透明度：ChatGPT是一个黑箱模型，很难理解、阐述模型的内部工作原理，这会使人们难以相信模型的预测结论。

综上所述

ChatGPT 具有巨大的潜力，与其他聊天机器人相比肯定要先进得多，但现在还处于早期阶段，而且可能还需要很长时间，我们才能完全依赖 AI 聊天机器人。必须承认当前软件的缺点和不足，OpenAI 首席执行官 Sam Altman 在 12 月发推文说：“现在依赖它来做任何重要的事情都是错误的。这是该技术探索的预览版；我们在稳健性和真实性方面还有很多工作要做。”目前，与现实世界的应用相比，它可能更适合用于有趣的实验，但作为概念的验证，ChatGPT 可能是人工智能在药物发现领域迈出的具有巨大影响力的一步。

参考文献：

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