AI 能帮科学家筛选有前景的药物候选分子吗?

药物化学里有一个经典难题:改一个性质,另一个性质可能变差。一个化合物对疾病相关蛋白作用很强,却可能吸收差,或在体内分解太快。化学家要通过设计、合成、测试一系列相关化合物来权衡下一步。AI 要帮忙,就得能把分子结构变化和实验证据连起来,并判断哪些化合物值得继续做。

MedChemBench 就是为此设计的基准。它从已发表研究中提取了 99 道推理题,覆盖 117 篇论文和专利,涉及 761 个不同分子结构。题目会给出研究项目某一时刻的上下文:生物靶点、研究者目标、已研究的化合物和部分实验结果。模型要做四件事:重建分子结构;用证据解释科学推理;给化合物排序和选择;预测数值或分类性质。评分按与实测值的接近程度给部分分数。

在 xhigh 推理设定下,GPT-6.2 Astra 拿到 84.5% 的可用分数,GPT-6 Astra 为 83.3%,GPT-6.1 Sol 为 82.0%,GPT-5.6 Sol 只有 58.2%。完整基准中,GPT-6 Astra 在共享 xhigh 下为 83.3%,GPT-6.1 Terra 为 75.1%;调到 max effort 后 GPT-6 Astra 拿到 83.8%。提高推理设置能提升分数,但模型间的差距依然很大。

分项来看,GPT-6 Astra 最强的是重建分子结构和解释科学证据:结构组件在 xhigh 下得到 95.4% 的分数。但在选择化合物和预测数值性质上,Astra 只拿到约一半分数。换句话说,读出结构、说明为什么选 A 不选 B 已经做得不错,真正预测未知数值、做出选择仍是短板。

两个例子能说明难点。PRMT5 抑制剂问题里,模型要预测三个化合物的细胞活性、穿透细胞屏障能力和肝酶代谢速度。后续隐藏的实验显示一个权衡:化合物 23 的细胞阻断浓度更低,化合物 24 则更容易穿透屏障且代谢更慢。另一个问题是重建一个含 18 原子环的分子:GPT-6 Astra 十次全部正确,GPT-5.6 Sol 和 GPT-5.6 Luna 十次全部失败,一个生成 15 原子环,另一个把分子拆成两块。

作者也明确划了边界:这些结果不能证明模型能发现新药或改善实验室决策。已发表论文可能已被模型预先接触过,且每次回答都是单次尝试,没有工具、反馈或新实验。MedChemBench 衡量的是从历史证据做推理,而不是真实药物发现。它的价值在于定位模型的进展和仍存在的困难。

Can AI help scientists identify promising drug candidates?

查看原文