TL;DR
- چکیده:.
- مدلهای زبان بزرگ (LLM) برای تحقیقات در زمینه کشف دارو،.
- فرصتهای بیسابقهای را برای تغییر شکل تحقیقات دارویی با تسریع در تولید فرضیه،.
چه اتفاقی افتاد
چکیده:. مدلهای زبان بزرگ (LLM) برای تحقیقات در زمینه کشف دارو،.
فرصتهای بیسابقهای را برای تغییر شکل تحقیقات دارویی با تسریع در تولید فرضیه،. بهینهسازی اولویتبندی نامزدها،.
و فعال کردن خطوط لوله کشف دارو مقیاسپذیرتر و مقرونبهصرفهتر ارائه میدهند. با این حال در حال حاضر ارزیابی عینی عملکرد LLM برای تعیین مزایا و محدودیتهای آن نسبت به.
پلتفرمهای سنتی کشف دارو وجود ندارد. برای مقابله با این مشکل اضطراری،.
ما DrugPlayGround را توسعه داده ایم،. چارچوبی برای ارزیابی و محک زدن عملکرد LLM برای تولید توصیفهای متنی معنیدار از ویژگیهای فیزیکوشیمیایی دارو،.
هم افزایی دارو،. تعاملات دارو و پروتئین،.
و پاسخ فیزیولوژیکی به اختلالات معرفیشده توسط مولکولهای دارو. علاوه بر این،.
DrugPlayGround برای کار با متخصصان دامنه طراحی شده است توضیحات مفصلی برای توجیه پیشبینیهای LLM ارائه میکند،. در نتیجه LLMها را برای قابلیتهای استدلال شیمیایی و بیولوژیکی آزمایش میکند تا استفاده بیشتر از آنها را.
در مرز کشف دارو در تمام مراحل آن پیش ببرند. صفحه، 6 شکل یادگیری ماشین (cs.
LG)؛ هوش مصنوعی (cs. AI)؛ مهندسی نرم افزار (cs.
SE); بیومولکولها (q-bio. BM) استناد بهعنوان: (یا v1 [cs.
LG] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite تاریخچه ارسال از:.
Tianyu Liu [مشاهده ایمیل] [v1] چهارشنبه،. 11 فوریه 2026،.
19:. 16:.
33 UTC (6,. 950 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.