能来分析分子如何与蛋白质靶标

[munnaf642388]

1）快速分子生成
它能够快速生成新的化学结构，同时考虑化学可行性、与生物靶标的结合亲和力以及毒性特征。该技术允许选择有希望的化合物进行进一步研究，从而大大减少传统生成人工智能药物发现方法的时间和成本。

例子

BenevolentAI 使用生成式 AI 识别出一种用于治疗神经退 菲律宾赌博数据 行性疾病的新型化合物。这种由 AI 驱动的方法加速了识别过程，最终找到了一种有希望的候选药物，并正在进行临床前试验。

2）虚拟筛选
虚拟筛选利用生成式人工智相互作用，从而快速识别潜在的候选药物。这种方法无需进行大量物理测试，从而降低了成本并节省了时间，同时增加了发现有效化合物的可能性。

例子

薛定谔利用生成式人工智能对数百万种针对与癌症相关的蛋白质靶点的化合物进行了虚拟筛选，确定了几种进入高级测试阶段的候选药物。

3）化合物库扩充
它在化合物库扩展中发挥着重要作用，它通过建议对已知化合物进行修改来提高其功效和安全性。通过分析分子结构，人工智能使化合物库多样化，从而节省药物发现的时间和资源。

例子

Exscientia 采用生成式 AI 来扩展其化合物库，从而发现了多种具有改良特性的新候选药物，目前正处于不同的开发阶段。

4）个性化治疗
生成式人工智能通过考虑患者个体特征来帮助开发个性化药物，从而开发出副作用更少、疗效更好的药物。人工智能还能从有限的数据中为信息稀缺的疾病提供见解。