DrugAssist:基于LLM的分子優(yōu)化模型 可以用自然語言與人類實時交互

　　2月4日 消息:隨著近年來大型語言模型(LLMs)在語言處理領(lǐng)域的顯著進展，研究人員嘗試將這些模型應(yīng)用于藥物發(fā)現(xiàn)，以優(yōu)化相關(guān)任務(wù)。然而，在藥物發(fā)現(xiàn)的分子優(yōu)化方面，LLMs并未取得顯著進展�，F(xiàn)有方法通常側(cè)重于利用數(shù)據(jù)中提供的化學(xué)結(jié)構(gòu)的模式，而忽視了領(lǐng)域?qū)＜业姆答伜徒?jīng)驗。這在問題上造成了困擾，因為藥物發(fā)現(xiàn)流程涉及整合來自領(lǐng)域?qū)＜业姆答�，以進一步完善流程。

　　為填補先前工作中的差距，研究人員著重于人機交互，利用強大的LLMs的交互性和通用性。他們發(fā)布了MolOpt-Instructions，這是一個用于在分子優(yōu)化任務(wù)上對LLMs進行微調(diào)的大型基于指令的數(shù)據(jù)集。此數(shù)據(jù)集涵蓋了與分子優(yōu)化相關(guān)的任務(wù)，確保了分子之間的相似性約束和性質(zhì)之間的實質(zhì)性差異。此外，他們還提出了DrugAssist，這是一個基于Llama-2-7B-Chat的分子優(yōu)化模型，能夠通過人機對話進行交互式優(yōu)化。通過這些對話，專家可以進一步引導(dǎo)模型并優(yōu)化最初生成的結(jié)果。

　　為了評估，研究人員將DrugAssist與兩個先前的分子優(yōu)化模型和三個LLMs進行了比較，評估指標(biāo)包括溶解度和BP以及成功率和有效性等。根據(jù)結(jié)果顯示，DrugAssist在多屬性優(yōu)化方面持續(xù)取得有希望的成果，并在給定范圍內(nèi)保持了優(yōu)化的分子性質(zhì)值。

　　此外，研究人員還通過案例研究展示了DrugAssist的卓越能力。在零樣本設(shè)置下，模型被要求同時將兩個屬性BP和QED的值至少增加0.1，即使在訓(xùn)練過程中僅暴露于數(shù)據(jù)，該模型也成功完成了任務(wù)。此外，DrugAssist還成功地將給定分子的logP值增加了0.1，即使這個屬性沒有包含在訓(xùn)練數(shù)據(jù)中。這展示了模型在零樣本和少樣本設(shè)置下的良好可遷移性，使用戶有可能同時結(jié)合個別屬性并進行優(yōu)化。最后，在交互過程中，模型生成了一個不符合要求的分子的錯誤答案。然而，它通過人類反饋糾正了錯誤并提供了正確的響應(yīng)。

　　總體而言，DrugAssist是一種基于Llama-2-7B-Chat模型的分子優(yōu)化模型，能夠?qū)崟r與人類進行互動。它在單屬性和多屬性優(yōu)化中展現(xiàn)了出色的結(jié)果，表現(xiàn)出很強的可遷移性。