您现在的位置是:首页 > 生活 > 正文

年龄相关疾病靶点发现的人工智能模型

发布时间:2023-10-08 16:14:48编辑:林腾唯来源:

一篇新的研究论文发表在Aging(被 MEDLINE/PubMed 列为“Aging (Albany NY)”和 Web of Science 的“Aging-US”)第15 卷第 18 期,题为“ Biomedical Generative Pre-trained based Transformer Language”与年龄相关的疾病目标发现的模型。”

靶标发现对于创新疗法和诊断的开发至关重要。然而,当前的方法常常面临效率、特异性和可扩展性方面的限制,因此需要探索新的策略来识别和验证疾病相关靶点。自然语言处理的进步为预测各种疾病的潜在治疗靶点提供了新途径。

在他们的新研究中,研究人员Diana Zagirova、Stefan Pushkov、Geoffrey Ho Duen Leung、Bonnie Hei Man Liu、Anatoly Urban、Denis Sidorenko、Aleksandr Kalashnikov、Ekaterina Kozlova、Vladimir Naumov、Frank W. Pun、Ivan V. Ozerov、Alex Aliper、Insilico Medicine的Alex Zhavoronkov和Alex Zhavoronkov提出了一种使用大语言模型 (LLM) 预测治疗靶点的新方法。

“我们在由授权文本组成的大型生物医学文献语料库上训练了特定领域的 BioGPT 模型,并开发了用于生成目标预测的管道。”

这项研究表明,使用特定任务文本对 LLM 模型进行预训练可以提高其性能。应用开发的管道,研究人员检索了预期的衰老和与年龄相关的疾病目标,并表明这些蛋白质与数据库数据相对应。此外,他们提出 CCR5 和 PTH 作为潜在的新型双用途抗衰老和疾病靶点,这些靶点之前并未被确定为与年龄相关,但在他们的方法中排名很高。

“总的来说,我们的工作凸显了 Transformer 模型在新目标预测中的巨大潜力,并为未来整合人工智能方法以解决生物医学领域提出的复杂挑战提供了路线图。”

标签:

上一篇
下一篇