人工智能能否帮助找到有效的药物?OpenAI正在对此进行测试。
2026-11-21 03:57
OpenAI正在测试人工智能是否能够帮助科学家识别出有潜力的药物候选物。周五,该公司推出了MedChemBench这一测试工具,旨在评估人工智能模型是否能够解析分子结构、分析实验数据,并确定研究人员应该继续研究哪些化合物。该测试基于99个来自已发表研究的案例,旨在模拟药物化学家在开发新药物时面临的决策过程。改善化合物的某一特性,比如其针对疾病相关蛋白质的能力,可能会以牺牲其他性质为代价,包括化合物的吸收能力或其在体内分解的速度。MedChemBench参考了117篇研究论文和专利,涵盖了761种不同的分子结构。每个案例都提供了研究人员在药物开发特定阶段可能拥有的信息,包括生物靶点、研究目标、已测试的化合物以及选定的实验结果。OpenAI对模型在四个方面的表现进行了评估:重建分子结构、解释科学证据、排序和选择化合物,以及根据实验数据预测分子性质。另外,请阅读:随着Robinhood的股价在一年内下跌约40%,Acorns的私人市场价格也下降了46%。在最高共享推理设置下,GPT-6.2 Astra获得了84.5%的可用信用点数,其次是GPT-6 Astra,获得了83.3%的信用点数;GPT-6.1 Sol获得了82%的信用点数,而GPT-5.6 Sol则获得了58.2%的信用点数。不过,研究结果也揭示了一些持续的弱点。虽然GPT-6 Astra在重建分子结构和解释实验结果方面表现出色,但在选择最佳化合物和预测其性质方面却遇到了挑战。一个涉及PRMT5抑制剂的问题就说明了这一点。模型被要求预测三种相关化合物在多个方面的表现,包括它们在细胞中的PRMT5抑制能力、穿越细胞屏障的能力以及抵抗肝脏酶分解的能力。后续实验结果显示了一些权衡:一种化合物表现出更强的PRMT5抑制能力,而另一种化合物则更容易穿越细胞屏障,并且能更长时间地抵抗分解。这些结果强调了药物开发中的一个基本挑战:某一方面的能力并不一定能使化合物成为最理想的候选物。OpenAI还测试了模型是否能够准确解析分子图,包括原子连接、环结构以及立体化学信息。在一个例子中,GPT-6 Astra在最高共享推理设置下,共10次尝试中成功重建了一个具有18个原子的分子的结构。而GPT-5.6 Sol和GPT-5.6 Luna则全部失败了,它们生成的结构要么环的大小不正确,要么分子片段不连贯。尽管取得了这些成果,OpenAI仍提醒人们不要将这一测试视为人工智能能够独立发现新药物的证据。该公司表示,这些评估是基于历史研究而非实际药物发现的,同时承认模型可能已经接触过部分已发布的资料,而且每次回答都是一次单独的尝试,没有使用任何工具、反馈或额外的实验数据。这项测试的目的是找出人工智能模型在哪些方面有所改进,以及在哪些方面需要进一步改进,才能成为更可靠的药物化学研究工具。另外,请阅读:Intuit以36.8亿美元的价格出售Mailchimp给Bending Spoons,Gallagher收购了AgriServ,Taco Bell的加盟商申请破产保护。图片来自Evolf on Shutterstock.com。