一款轻量级的集成式生成式AI助手，可在资源有限的硬件上加速早期药物发现进程

《Scientific Reports》：A lightweight, integrated generative AI assistant for accelerated early-stage drug discovery on constrained-resource hardware

　　

摘要

在药物研究中，发现新的治疗用小分子依然是一项极具挑战性的任务，其表现形式包括极高的失败率、每个候选化合物的研发成本超过20亿美元，以及往往需要十年以上的研发时间。生成式人工智能在探索规模庞大的化学空间方面具有巨大潜力，据估计这类空间中存在10⁶⁰种类似药物的分子，但目前的计算方法分散在多种工具中，且需要企业级硬件支持，这就形成了所谓的“计算鸿沟”，使得许多学术团队和小型实验室无法参与其中。在本研究中，我们推出了一种统一的端到端生成式人工智能辅助工具，专为硬件条件有限的环境设计，可运行在如NVIDIA GTX 1650这类具备4GB显存的常见消费级GPU上。我们的系统整合了基于LSTM的轻量级生成模型，采用SELFIES标记法确保100%的语法正确性；还包含用于12项生物学检测的毒性预测多任务XGBoost分类器、基于分子指纹的混合性质预测功能，以及通过ESMFold进行3D蛋白质结构预测的API模块。通过基准测试，我们的生成模型展现出出色的性能，训练损失从2.15降至1.19，验证损失稳定在1.43，毒性分类器的加权平均AUC值为0.790。经过阈值调整后，毒性类别的召回率显著提升，进一步提升了该框架在早期安全性筛选应用中的实用性。此外，对化学空间的分析证明了该模型能够生成具有理想药物特性的全新分子（平均LogP值为2.04）。为进一步提升安全性，我们还将基于机器学习的毒性筛查与基于规则的PAINS过滤机制整合到一种新型混合原型中。为进一步提升可及性，我们还开发并测试了CPU备用功能，以便在硬件不兼容时自动切换到该备用模型。综上所述，这些创新举措使得现代药物发现流程能够在经济实惠的硬件上高效、低成本地得到普及（基础设施成本降低了93%），同时不会影响所开发模型的科学严谨性和预测能力。