论文
DrugPlayGround：药物发现的 大语言模型 基准测试和嵌入
DrugPlayGround: Benchmarking Large Language Models and Embeddings for Drug Discovery
摘要
大语言模型 (LLM) 在药物发现研究中处于优势地位，通过加速假设生成、优化候选优先级以及实现更具可扩展性和成本效益的药物发现管道，为重塑药物研究提供了前所未有的机会。然而，目前缺乏对 LLM 性能的客观评估，以确定其相对于传统药物发现平台的优势和局限性。为了解决这个新问题，我们开发了 DrugPlayGround，这是一个评估和基准 LLM 性能的框架，用于生成有意义的基于文本的药物理化特性、药物协同作用、药物-蛋白质相互作用以及对药物分子引入的扰动的生理反应的描述。此外，DrugPlayGround 旨在与领域专家合作，为证明 LLM 的预测提供详细解释，从而测试 LLM 的化学和生物推理能力，以推动其在药物发现的各个阶段的前沿得到更大的应用。