波恩大学的研究人员训练了一个人工智能流程来预测具有特殊性质的潜在活性成分，从而得出一个化学语言模型——一种分子的 ChatGPT。经过训练阶段，人工智能能够准确地再现具有已知双靶活性的化合物的化学结构，这些化合物可能是特别有效的药物。这项研究现已发表在《细胞报告物理科学》上。

如今，任何想在奶奶 90 岁生日时给她写首诗的人都不需要成为诗人：只需在 ChatGPT 中输入一个简短的提示，几秒钟内，人工智能就会吐出一长串与寿星名字押韵的单词。如果你愿意，它甚至可以创作一首十四行诗来搭配。

波恩大学的研究人员在他们的研究中实施了一个类似的模型，即化学语言模型。然而，这不会产生韵律。相反，人工智能会显示可能具有特别理想特性的化合物的结构式：它们能够与两种不同的目标蛋白质结合。在生物体中，这意味着，例如，它们可以同时抑制两种酶。

需要具有双重功效的活性成分

“在药物研究中，这些类型的活性化合物因其多药理学而备受青睐，”Jürgen Bajorath 教授解释道。这位计算化学专家是拉玛机器学习和人工智能研究所生命科学领域人工智能的负责人，也是波恩大学 b-it(波恩-亚琛国际信息技术中心)生命科学信息学项目的负责人。“由于具有所需多靶点活性的化合物可同时影响多个细胞内过程和信号通路，因此它们通常特别有效——例如在抗击癌症方面。”

原则上，这种效果也可以通过联合使用不同的药物来实现。然而，存在药物间不良相互作用的风险，而且不同的化合物在体内的分解速度也不同，因此很难将它们一起服用。

找到一种能特异性地影响单一靶蛋白作用的分子并非易事。设计具有预定义双重作用的化合物则更加复杂。化学语言模型未来可能会在这方面有所帮助。ChatGPT 经过数十亿页书面文本的训练，可以学会自己组织句子。

化学语言模型的工作原理类似，但可供学习的数据量却非常小。不过，原则上，它们也会输入文本，例如所谓的 SMILES 字符串，它将有机分子及其结构显示为字母和符号序列。