虎科技 搜索

药物化学新基准考验AI分子推理与性质预测

来源:互联网编辑:瑞雪

当地时间11月20日,OpenAI发布MedChemBench基准,用于衡量AI模型在药物化学研究中的推理水平,覆盖分子结构识别、实验结果解读、化合物比较和性质预测等任务。该基准从117篇论文与专利中整理出99道题,涉及761个不同分子结构。

多数题目设置研究进程中的场景,提供生物靶点、研究人员目标、已研究化合物及部分实验结果,要求模型基于这些线索作答。评测划分为四个方向:按图示和化学基团组装分子并检查原子连接与立体化学;用给定证据解释选择依据;对化合物排序并作出最终选择;预测实测或计算得到的分子性质,并与原始材料中的数值或类别对照。

评分方面,xhigh推理档下,GPT-6.2 Astra获得84.5%的可用分数,GPT-6 Astra为83.3%,GPT-6.1 Sol为82.0%,GPT-5.6 Sol为58.2%。OpenAI称,提高推理档位可提升分数,但不同模型之间仍有明显差距。Astra在xhigh档的分子结构部分达到95.4%,化合物选择与数值性质预测两项则只有约一半分数。

官方给出的一道例题要求模型以给定中心结构和两个侧基组装分子,同时保留一个18原子环。在11个模型共用的xhigh档下,GPT-6 Astra十次回答全部正确;GPT-5.6 Sol和GPT-5.6 Luna十次全部出错,前者构建的环仅有15个原子,后者把分子拆成两个互不相连的片段。

另一题来自PRMT5抑制剂研究,模型要预测三种相关化合物在细胞内阻断PRMT5的强度、穿过细胞屏障的难易以及被肝酶降解的速度。题目隐去的后续实验显示存在取舍:化合物23在更低浓度下即可在细胞内阻断PRMT5,化合物24更易穿过细胞屏障,且在肝酶检测中降解更慢。

OpenAI表示,这些结果不能确定模型能否发现新药或改善实验室决策,也不能排除模型此前接触过已发表资料的可能;每次回答都是一次没有工具、没有反馈或新实验的尝试。该基准基于历史证据而非真实药物发现,但有助于识别模型进展与挑战所在。

内容已过时效,如需查阅请联系编辑

相关阅读

全部频道

Copyright © 2010-2026 虎科技 HUKEJI.COM

鲁ICP备11015305号-21