OpenAI 推出新基準測試藥物發現模型的推理能力

根據 OpenAI 近期推出的藥物化學基準測評工具 MedChemBench,先進的計算模型能夠以高準確度重建複雜的分子結構,但預測潛在藥物化合物的行為依然是一項挑戰。該基準測評測試模型是否能將分子結構與實驗證據相連接,以解釋研究結果、比較化合物並預測其性質。該基準基於 117 篇已發表的論文和專利,涵蓋 761 種不同的分子結構,涉及 99 個問題。在極高推理設定下,GPT-6 Astra 在重建分子結構方面獲得了 95.4% 的可用積分。

然而,在選擇化合物和預測它們的數值性質時,該模型僅獲得了大約一半的可用積分。這些發現突顯了正確識別化學結構與理解這些結構變化如何影響潛在藥物行為之間的差距。

MedChemBench 測評工具展示了計算模型在藥物化學中的潛力與挑戰

藥物化學家在開發藥物候選物時,經常需要平衡相互競爭的性質。一種化合物可能有效阻斷與疾病相關的蛋白質,但在被身體吸收時表現不佳,或分解過快。改善一項特性也可能削弱另一項,這使得同時滿足多個要求的化合物難以確定。MedChemBench 評估四項能力:分子結構重建、科學推理、化合物排名和選擇,以及數值性質預測。其中一個問題基於對 PRMT5 抑制劑的研究,該蛋白質在癌症藥物發現中受到關注。

模型接收來自研究早期階段的分子結構和實驗結果,必須預測三種相關化合物在細胞中對 PRMT5 抑制、細胞屏障的通透性及肝臟酶的分解情況。

後來的實驗結果(未提供給模型)揭示了競爭優勢。化合物 23 在較低濃度下抑制了 PRMT5,而化合物 24 則更容易穿越細胞屏障,並在實驗測試中降解較慢。此任務測試模型能否認識到對生物目標的強烈活性不一定轉化為更好的吸收或代謝穩定性。基準也檢查模型是否能從化學圖紙中準確重建分子,包括它們的原子連接、環結構和立體化學。在一個例子中,模型被要求在保留 18 原子環的情況下組裝一個化合物。

GPT-6 Astra 在所有 10 次回應中正確重建了該結構,而 GPT-5.6 Sol 則產生了一個較小的 15 原子環,GPT-5.6 Luna 則生成了不連貫的分子片段。這些錯誤可能會改變被分析化合物的身份,削弱對其性質的後續預測。

儘管該模型在結構性能上表現強勁,但在化合物選擇和數值預測方面卻相對困難。這些任務需要將分子變化與多個實驗測量相連接,而不僅僅是重現化學結構。研究人員在不同的推理設定下評估了 11 個模型。更高的推理努力通常能提高性能,儘管模型之間仍存在顯著差異。團隊警告說,這些結果並未確定模型是否能夠發現新藥或改善實驗室決策。該基準依賴於歷史研究,無法排除先前接觸已發表來源的可能性。

模型在沒有工具、反饋或新實驗的情況下完成任務。因此,MedChemBench 提供了一種識別計算推理在藥物化學中的進展和剩餘弱點的方法,而非顯示這些系統已準備好取代藥物發現研究。

項目規格
推理設定極高推理
已發表論文數量117
分子結構數量761
問題數量99

Henderson
Henderson

Henderson 是 TechRitual Hong Kong 科技編輯,專注報導智能手機、消費電子產品、SIM 卡及流動通訊市場。自加入 TechRitual 以來,累計撰寫數千篇科技報導及產品評測,內容同步發佈至 SINA 及 Yahoo Tech 等主要平台。

友情網站:國際版 / TechRitual WorldThe Base Principle(AI・工程)