SAKURA互联网和COGNANO的人工智能驱动药物发现研究论文被NeurIPS 2024接受 - AI与医疗健康

SAKURA互联网和COGNANO的人工智能驱动药物发现研究论文被NeurIPS 2024接受A research paper on AI-driven drug discovery by SAKURA internet and COGNANO was accepted by NeurIPS 2024, a prestigious AI conference

环球医讯 / AI与医疗健康来源：www.valdostadailytimes.com日本 - 英语2024-09-30 13:00:00 - 阅读时长5分钟 - 2386字

SAKURA互联网和COGNANO联合发布了一项关于使用人工智能进行药物发现的研究论文，该论文已被NeurIPS 2024接受，这标志着在抗体发现领域的重大进展。

SAKURA互联网和COGNANO的人工智能驱动药物发现研究论文被NeurIPS 2024接受

SAKURA互联网研究中心（SAKURA互联网公司的一个内部研究机构）和COGNANO公司（以下简称“COGNANO”）联合撰写的一篇关于人工智能（AI）驱动药物发现的研究论文已被接受，将在神经信息处理系统会议（NeurIPS）2024的“数据集和基准测试”轨道上发表，NeurIPS是人工智能和机器学习领域最负盛名的国际会议之一。

这篇论文将于2024年12月11日至13日（当地时间）在加拿大不列颠哥伦比亚省温哥华举行的NeurIPS 2024会议上展示。

SAKURA互联网研究中心和COGNANO公开发布了一个大规模的标记相互作用数据集，涉及多种抗体与严重急性呼吸综合征冠状病毒2（SARS-CoV-2）的相互作用，这些数据是通过使用活体骆驼科动物（如羊驼）的免疫系统生成的。该研究论文因其发布的数据集的新颖性和实用性而被接受。

ChatGPT的出现催化了大型语言模型（LLMs）的研发，从而加速了自然语言处理技术的发展。这些技术进步不仅限于我们在日常生活中使用的自然语言，还扩展到了药物发现领域，特别是抗体发现。这是因为抗体序列可以表示为一种氨基酸类型的字母字符串。利用这一特性，构建训练于大量抗体序列数据（以下简称“抗体语言模型”）的语言模型的兴趣日益增长，这些模型有望显著提高抗体发现的效率。然而，与自然语言中互联网上可获得的大量公开数据相比，公开可用的抗体序列数据有限。具体来说，缺乏标明特定抗原（如病毒或细菌）相互作用的抗体序列的数据集，这对未来抗体语言模型的发展构成了重大挑战。

为了应对这一挑战，SAKURA互联网研究中心和COGNANO建立了一种使用活体骆驼科动物生成大规模抗原-抗体相互作用数据集的方法，并发布了生成的数据集。骆驼科动物（如羊驼和美洲驼）的抗体结构与其他动物相比异常简单，这为更高效地生成序列数据提供了优势。SAKURA互联网研究中心和COGNANO选择了在2020年初引发全球大流行的SARS-CoV-2作为目标抗原，并使用活体羊驼的免疫系统公开发布了一个大规模的标记相互作用数据集，涉及多种抗体与SARS-CoV-2的相互作用。该数据集的可用性将使世界各地的研究人员能够开发和评估高性能的实用抗体语言模型。该研究论文因其发布的数据集的新颖性和实用性而被接受。SAKURA互联网研究中心和COGNANO认为，这些研究成果将为人工智能驱动的药物发现开辟新的可能性，有助于医学科学的进步和人工智能应用的扩展。

各组织在联合研究中的角色

COGNANO:

COGNANO负责通过生物实验构建训练AI模型所需的数据集。COGNANO建立了一种构建抗原-抗体相互作用标记数据集的新方法，并发布了针对SARS-CoV-2的目标数据集。

SAKURA互联网研究中心:

SAKURA互联网研究中心负责使用COGNANO生成的数据集构建和评估预测抗原-抗体相互作用的AI模型。SAKURA互联网研究中心通过使用原始抗体语言模型和各种现有的通用蛋白质及抗体特异性语言模型进行基准实验，验证了发布数据集的有用性。

被接受的论文

标题:

SARS-CoV-2相互作用数据集和VHH序列语料库用于抗体语言模型

作者:

Hirofumi Tsuruta（SAKURA互联网公司，COGNANO公司），Hiroyuki Yamazaki（COGNANO公司，Biorhodes公司），Ryota Maeda（COGNANO公司，Biorhodes公司），Ryotaro Tamura（SAKURA互联网公司，COGNANO公司），Akihiro Imura（COGNANO公司，Biorhodes公司）

论文链接:

发布数据集: