当前位置：主页 > 临床指南 > 文章内容

具体的大模型在药物研发中的应用案例

作者：中华医学网发布时间：2025-06-09 08:02浏览：次

华为云盘古药物分子大模型1：西安交通大学第一附属医院联合华为云，基于盘古药物分子大模型成功发现了广谱抗菌药肉桂酰菌素。该模型对 17 亿个分子结构进行预训练，生成了 1 亿个全新小分子化合物的数据库，结构新颖性约达 100％。模型兼具小分子 - 蛋白结合预测、小分子 80 + 属性预测、小分子优化与生成等功能，赋能先导药研发全流程。研发团队通过该模型成功筛选出具备潜在药效的小分子，并通过分子优化功能减弱了对人体正常细胞可能产生的毒副作用，目前肉桂酰菌素正在稳步推进临床研究。
Y - Mol 模型3：这是一种多方面知识引导的大语言模型，基于 LLaMA2 - 7b 架构设计。它通过结合药物数据库、知识图谱和专家设计的合成数据作为模型微调的数据，增强了在生物医学领域的推理能力。实验评估表明，Y - Mol 在发现先导化合物、预测分子性质和识别药物相互作用方面的能力显著优于 LLaMA2。例如，它能分析出 Abametapir 可能影响 Dronedarone 的代谢，导致其在体内浓度变化，还能分析出 Topotecan 可通过影响 BCL - 2 基因家族成员的表达来抑制肺癌细胞的生长和转移。
药明生物的 WuXi ProDesign 模型4：药明生物自研的生成式 AI 模型 WuXi ProDesign 基于 Transformer 架构，训练数据来自内部逾千个抗体开发项目。在针对某癌症靶点（PD - L1/CTLA - 4 双抗）的研发中，该模型结合 AlphaFold 3 预测抗原结合位点，2 个月内生成 30 种候选分子，其中 3 种通过湿实验验证，有一款分子（项目代号 WB - 203）已进入临床前研究，较上一代单抗亲和力提升 50%，该项目入选 2024 年美国癌症研究协会（AACR）“十大突破性技术”。
药明生物基于英伟达 BioNeMo 平台的相关模型4：在某客户单抗药物的研发中，因细胞培养滴度低，生产成本过高，药明生物基于英伟达 BioNeMo 平台的分子动力学模拟，优化细胞培养条件与抗体折叠稳定性，并结合腾讯强化学习算法动态调节培养基配方。最终使细胞培养滴度提升至 8.5g/L，生产成本降低 40%，工艺开发周期从 8 个月缩短至 3 个月，成果被客户纳入 2024 年财报 “研发效率提升案例”。在针对杜氏肌营养不良症（DMD）的 AAV9 优化项目中，药明开发的 GPT - BioVector 模型利用 Transformer 预测载体衣壳蛋白的免疫原性与组织靶向性，筛选出的载体免疫原性降低 70%（小鼠模型验证），该载体已进入 IND - enabling（临床前）阶段，2024 年完成首批患者招募，并获得 FDA “快速通道” 资格。
药明生物基于开源大模型微调的 NLP 工具4：在某自身免疫病药物的 III 期临床试验中，因患者异质性导致入组缓慢，药明生物基于开源大模型 Meta Llama 3 微调的 NLP 工具，分析全球 10 万 + 电子健康记录（EHR）与文献数据，精准筛选患者亚群，整合药明自研的临床表型图谱模型，使入组时间缩短 45%，试验总成本减少 3000 万美元，试验结果显示亚组患者有效率提升 28%（p < 0.001），支持药物加速获批。