AI与药学 | 药物发现新利器：AI大模型架起分子结构与适应症的桥梁-优快云博客

本文链接：https://blog.youkuaiyun.com/simoncool23/article/details/144841601

解读：大语言模型在药物分子与适应症间翻译的新机遇

文献标题: Emerging opportunities of using large language models for translation between drug molecules and indications

作者: David Oniani, Jordan Hilsman, Chengxi Zang, Junmei Wang, Lianjin Cai, Jan Zawala & Yanshan Wang

期刊: Scientific Reports

发表年份: 2024

文章链接: https://www.nature.com/articles/s41598-024-61458-x

核心内容概述:

这篇论文开创性地提出了一项新任务：利用大语言模型 (LLM) 实现药物分子结构 (以SMILES字符串表示) 与其适应症 (描述药物治疗的疾病或症状) 之间的双向翻译。作者探索了LLM在药物发现领域的应用潜力，特别是针对药物分子与适应症的互译，并进行了初步实验验证。这项研究为AI辅助药物研发开辟了新的方向，有望加速新药发现进程，并最终为患者提供更有效的治疗方案。

研究背景与意义:

药物发现的挑战: 药物发现是一个昂贵且耗时的过程。
适应症的重要性: 获批药物的适应症明确了其治疗用途，对药物研发至关重要。
LLM的兴起: LLM在自然语言处理任务中展现出强大能力，并已在多个科学领域得到应用。
分子表示: SMILES字符串提供了一种将药物分子结构表示为文本的方法，为LLM处理药物信息提供了可能。
研究空白: LLM在药物分子与适应症互译方面的应用尚未得到充分研究。

主要研究内容与方法:

提出新任务: 定义了两个任务：
- 药物到适应症 (Drug-to-Indication): 输入药物的SMILES字符串，生成其对应的适应症描述。
- 适应症到药物 (Indication-to-Drug): 输入适应症描述，生成治疗该适应症的药物的SMILES字符串。
实验验证:
- 模型: 采用基于T5架构的MolT5模型 (包括small, base, large三个版本)，以及针对SMILES和分子描述互译进行微调后的模型 (MolT5-smiles-to-caption, MolT5-caption-to-smiles)。
- 数据集: 使用了DrugBank和ChEMBL两个公开药物数据库，这两个数据库提供了药物的SMILES字符串和对应的适应症信息。
- 评估指标:
  - Drug-to-Indication: BLEU, ROUGE, METEOR, Text2Mol相似度。
  - Indication-to-Drug: 精确匹配率, Levenshtein距离, SMILES BLEU, Text2Mol相似度, 分子指纹相似度 (MACCS, RDK, Morgan FTS), 生成的SMILES字符串的有效性比例, Fréchet ChemNet Distance (FCD)。
- 实验设置:
  - 基线评估: 在整个数据集和20%的子集上评估原始MolT5模型。
  - 微调评估: 在80%的数据集上微调模型，并在剩余20%的子集上进行评估。
  - 自定义分词器: 使用针对SMILES字符串语法设计的自定义分词器，从头预训练MolT5-Small模型，并进行评估。

主要研究结果:

MolT5模型评估:
- 模型大小的影响: 较大的MolT5模型在所有任务和配置中表现更好。
- 微调的影响: 在药物分子与适应症互译任务上，微调降低了模型性能。
- 数据集的影响: 模型在DrugBank数据上的表现优于ChEMBL数据，这可能是由于DrugBank对药物适应症的描述更详细。
自定义分词器评估:
- Drug-to-Indication: 使用自定义分词器预训练的MolT5-Small模型在DrugBank数据上表现更好，微调没有降低性能，某些指标有所提高。
- Indication-to-Drug: 自定义分词器在两个数据集上的表现不一致，微调对性能的影响也不一致。

主要结论与讨论:

可行性验证: 实验结果初步证明了使用LLM进行药物分子与适应症互译的可行性。
主要挑战:
- SMILES字符串和适应症之间的信号较弱: 相似的SMILES字符串可能对应完全不同的适应症，反之亦然。
- 数据稀缺: 可用的药物-适应症数据对数量有限。
未来方向:
- 引入中间表示: 例如，先将SMILES字符串映射到分子描述，再映射到适应症。
- 数据增强: 寻找方法丰富药物-适应症数据。
- 更大模型和更多数据: 更大的模型和更多数据可能带来显著的性能提升。
- 人工评估: 引入人工评估或使用LLM评估生成的适应症的质量。
- 探索其他模型架构: 例如，具有线性时间复杂度的状态空间模型 (SSM) 可能更具优势。

文章亮点与创新:

首次提出利用LLM进行药物分子与适应症互译的任务，并进行了初步探索。
系统地评估了不同大小的MolT5模型在两个公开数据集上的表现，并分析了不同实验设置的影响。
尝试使用自定义分词器改进模型性能，为后续研究提供了新的思路。
深入讨论了当前面临的挑战和未来的研究方向，为该领域的研究提供了重要的参考。

这篇论文为利用LLM进行药物发现开辟了新的研究方向。虽然目前的性能还不理想，但作者的探索性工作为未来的研究奠定了基础。随着模型、数据和方法的不断改进，LLM有望在药物分子与适应症互译方面发挥重要作用，并最终加速新药研发进程。这项研究具有重要的理论意义和应用前景，为AI+药物研发领域的发展注入了新的活力。

往期内容荐读：

数智药学的崛起：人工智能赋能药学新未来

数智药师：AI时代药学服务的引领者

智能决策助力药物安全：大模型在临床处方审核中的突破

数字人技术在药学服务中的应用

药师必备：掌握AI，引领药学服务新时代

LEADER - 大模型蒸馏的药物推荐模型

李新刚：《医院药学的创新引擎：ChatGPT的应用与思考》

ChatGPT 在临床药学中的有效性以及人工智能在药物治疗管理中的作用

评估大语言模型在药物基因组学问答任务中的表现：PGxQA

DDI-GPT：使用知识图谱增强的大模型对药物相互作用进行可解释的预测

生成式AI：药学科普的新引擎