Chemistry LLM desenvolvido para descoberta de medicamentos mais rápida

Os cientistas e engenheiros do Southwest Analysis Institute desenvolveram um modelo de idioma grande personalizado (LLM) para acelerar o design e a descoberta de medicamentos.

Uma equipe multidisciplinar desenvolveu as abordagens generativas do Molecular Encodings (Video games) LLM para gerar strings simplificados do sistema de entrada de linha de entrada molecular (Smiles). Smiles é um sistema padrão do setor que representa a estrutura das moléculas usando uma curta série de caracteres de texto para facilitar o armazenamento, a recuperação e a modelagem. Os pesquisadores treinaram jogos para entender e gerar combinações válidas de novos sorrisos.

“Este projeto demonstra uma maneira sistemática de criar bancos de dados e redes de moléculas para processamento e comparação de IA usando apenas linguagem”, disse o cientista do Instituto, Dr. Jonathan Bohmann, desenvolvedor principal do software program de docking molecular de ródio da SWRI, projetado para rastrear compostos de medicamentos.

O software program de ródio usa descritores junto com o processamento gráfico para visualizar as propriedades químicas dos compostos. A incorporação de jogos no fluxo de trabalho do ródio oferece uma abordagem generalizada mais rápida para a descoberta e o design de medicamentos.

“Usando LLMs, podemos aplicar diretamente aprendizado de máquina e ai para moléculas por meio de cordas de sorrisos, porque elas parecem como caracteres de texto legíveis e não exigem tradução para representações abstratas “, disse Bohmann.

A SWRI treinou o modelo de jogos com lessons de moléculas à base de carbono e outros compostos de referência para validar e ajustar as cordas de sorrisos que geraram.

“Este projeto mostra o poder do Treination LLMS em domínios científicos altamente técnicos para se concentrar em tarefas específicas”, disse o cientista da SWRI líder da computação Michael Hartnett. “Nesse caso, estamos trabalhando no domínio da descoberta de medicamentos, e nosso ajuste fino está focado em desbloquear o conhecimento mais relevante”.

Os jogos combinam técnicas de Lora (adaptação de baixo rank) e Qlora (quantizada LORA) para ajustar com eficiência LLMs, reduzindo o {hardware} e a energia necessários para executar os modelos de ródio. A equipe espera aplicar essa abordagem a outras aplicações e domínios em todo o instituto.

“Usar LLMs para gerar sorrisos precisos pode transformar o descoberta de medicamentos processo, especialmente quando treinado usando conjuntos de dados específicos “, disse o cientista da SWRI Analysis Daniel Hinojosa.” As técnicas ajustadas melhoraram significativamente o desempenho, aumentando o número de sorrisos válidos e reduzindo as saídas inválidas. Os conjuntos de dados estruturados e técnicas de treinamento específicas foram essenciais para essa conquista “.

Os pesquisadores Hope Video games oferecerão uma estrutura poderosa para os compostos classificados encontrados em bibliotecas químicas com base na má vontade, um termo abreviado para uma combinação de propriedades que tornam mais provável que seja aprovado como um medicamento seguro. Além disso, eles planejam explorar paisagens químicas sistematicamente através do teste. Hinojosa e Bohmann planejam buscar financiamento interno adicional para avançar na próxima fase do projeto.

“Enquanto estamos em estágios iniciais de desenvolvimento, os resultados já estão tendo um impacto direto nos programas de pesquisa em andamento na SWRI”, disse Bohmann.