可否举例说明AI在分子生成中的实际应用效果

AI在分子生成中的实际应用效果

1.赛博大象集团的生成式AI解决方案

赛博大象集团已经向多个领域的企业提供了解决方案，其中包括全球排行前三的银行、全球排行前列的汽车生产厂商等。实际执行后，这些解决方案对企业效率提升效果显著。然而，搜索结果中并未提供关于AI在分子生成中的具体应用效果。

2.AI赋能药物研发与医疗

在药物研发领域，AI技术能有效缩短药物研发时间，降低研发成本。例如，Relay

Therapeutics公司的Walters和Murcko提到，生成模型在药物发现的应用影响正在被研究者们逐步认识和评估。尽管如此，生成模型生成的分子的新颖性以及结果的重要性评估仍是一个很难解决的问题。此外，还有一些公司在AI药物发现方面取得了重要进展，例如，24家‘AI本土’药物发现公司管线增长迅速，年均增长率在36%左右。

3.SBMolGen分子从头生成模型

SBMolGen是一种基于深度学习的分子从头生成模型，它将循环神经网络（RNN）、蒙特卡洛树搜索（MCTS）和对接模拟联系起来，可以基于靶蛋白的结合亲和力和构象高效地生成分子，同时优化分子生成过程。在实验中，SBMolGen对四种靶蛋白进行分子生成，平均每种靶蛋白平均产生约25000个分子。对接分数越小，对应更高的结合亲和力，这表明后期生成的分子具有更好的对接分数。

4.默克公司的AI应用

默克公司已经在使用人工智能来识别分子，用于药物发现。通过使用人工智能，默克一个项目团队实际上缩短了一半的分子开发时间。这表明AI在分子生成中的实际应用效果是显著的，它能够有效地提高药物研发的效率和速度。

总的来说，AI在分子生成中的实际应用效果主要体现在提高药物研发的效率和速度上。然而，生成模型生成的分子的新颖性以及结果的重要性评估仍是一个难以解决的问题，这也是AI在药物研发领域面临的一大挑战。