由于ChatGPT带来的技术进步改善了大多数NLP相关领域，所以，生命科学领域内和信息查询检索抽取有关的技术和产品，会优先受益。例如，在未来有没有可能出现一个生命科学领域对话方式的垂直搜索引擎，专家可以向它询问任何问题（比如关于疾病、靶点、蛋白等有关的问题），它一方面可以给出综合趋势的判定（也许没有那么精确，但大概正确，有助于我们快速了解一个领域），另一方面可以给出关于某个话题的相关有价值资料，这无疑会显著改善专家的信息处理效率。还例如，能否构建一个AI医生，病人可以咨询有关疾病的知识和处理办法（限于技术的局限，AI无法给出精确的答案，更无法代替医生），但可以给出很多信息参考和后续该做什么的建议，其体验一定会显著优于现在的搜索引擎。

 

生命科学领域本身还存在很多没有被解决的重要任务，比如小分子-蛋白结合构象和亲和力预测、蛋白-蛋白相互作用预测、小分子表示和性质预测、蛋白质性质预测、小分子生成、蛋白质设计、逆合成路线设计等任务。目前看这些问题还没有被完美解决，如果在这些任务上取得突破，那么药物发现甚至整个生命科学领域，都会迎来巨大变化。

 

基于大模型的AIGC领域，以及基于专家或试验反馈的RLHF领域，受益于ChatGPT的推动，一定会引来一轮新的技术进步。其中AIGC（人工智能内容生成）技术，在过去一年中，已经在小分子生成、蛋白质设计等领域取得了不错的进展。我们预测，在不远的未来，下列任务将显著受益于AIGC生成技术的发展，产生技术阶跃：

（1）小分子生成和优化技术，即如何不依赖活性配体信息，而是基于蛋白口袋结构信息生成综合考虑活性、成药性、可合成性等多种条件约束的配体小分子，这部分技术将显著受益于AIGC领域的发展；

（2）构象预测某种意义上可以看作是生成问题，小分子和蛋白结合构象预测任务也会受益于AIGC相关技术的发展；

（3）蛋白质、多肽、AAV等序列设计领域，也一定会受益于AIGC技术的发展。

 

阅读详情

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除