会议推荐
2026第三届中国医药企业项目管理大会
2026第二届中国AI项目管理大会
2026第十五届中国PMO大会
2026第五届中国项目经理大会
本
文
目
录
1、ChatGPT在药物开发中的应用
2、0112外刊精读：ChatGPT背后的AI技术可以如何用来研发新药？
3、ChatGPT企业版能助力并提高药物研发成功率？
4、ChatGLM与ChatGPT：对话预训练模型的新篇章与药物研发的未来
5、谈一谈ChatGPT对药物研发的影响
一、ChatGPT在药物开发中的应用
（原创 药悟 药悟）
药物开发是一项旨在研发新型药物来治疗疾病的复杂任务。在这个过程中，科学家们需要花费大量的时间和精力来进行研究、实验和数据分析。然而，近年来人工智能技术的迅猛发展，为药物开发提供了新的思路和方法。其中，基于自然语言处理的 ChatGPT 技术，正在被越来越多的药物开发公司所采用。
ChatGPT 是由 OpenAI 开发的一种基于 Transformer 模型的自然语言处理技术。它能够对自然语言进行理解和生成，可以应用于各种自然语言任务，如文本分类、命名实体识别和对话系统等。在药物开发中，ChatGPT 主要应用于以下几个方面：
👀
药物发现
ChatGPT 可以用于挖掘已发表的科学文献和专利数据库，以寻找可能的新型药物。通过对大量文献的分析和理解，ChatGPT 能够识别与疾病相关的分子、化合物和基因等信息，从而为药物研发提供重要的线索。
研究人员在 2019 年发表在 ACS Central Science 上的一篇论文中描述了他们如何使用 ChatGPT 来识别新的抗菌药物。他们将现有的抗菌药物输入 ChatGPT，让其学习已知抗菌药物分子结构的规律和特点。然后，他们使用多目标优化方法生成新的化合物，最终生成了一批新的化合物，其中一些具有潜在的药物开发价值。这个例子表明，ChatGPT 在药物发现中的应用可以帮助药物研发人员更快速、高效地开发新的化合物。
👀
药物设计
ChatGPT 可以根据药物分子的化学结构和物理特性，生成新的分子结构，从而帮助研究人员设计出更有效的药物分子。此外，ChatGPT 还可以预测分子的性质，如毒性、药代动力学和药效等，从而为药物开发提供重要的信息。
研究人员在 2021 年发表在 Nature Communications 上的一篇论文中描述了他们如何利用 ChatGPT 在药物设计中实现自动化的化合物优化。他们将已知的药物分子输入 ChatGPT，让其学习药物分子结构的规律和特点。然后，他们使用多目标优化方法生成新的化合物，其中一些具有良好的药物活性和药物代谢性质，具有潜在的药物开发价值。这个例子表明，ChatGPT 在药物设计中的应用可以帮助药物研发人员更快速、高效地开发新的化合物。
👀
剂量选择
ChatGPT 可以对大量的药物数据进行分析和理解，从而预测药物的最佳剂量和用药方案。通过模拟药物在人体内的代谢和分布，ChatGPT 可以帮助研究人员确定药物的最佳用药时间和剂量，从而提高药物的治疗效果和降低副作用。
研究人员在 2019 年发表在 Journal of Clinical Pharmacology 上的一篇论文中描述了他们如何利用 ChatGPT 来预测药物的最佳剂量。他们将来自临床试验的数据输入 ChatGPT，让其学习与药物剂量相关的规律和特点。最终，ChatGPT 能够生成药物剂量预测，并预测了在实际患者中实现最佳疗效的药物剂量。这个例子表明，ChatGPT 在药物剂量选择中的应用可以帮助医生更好地选择药物剂量，提高药物疗效和减少药物不良反应的风险。
总体来说，ChatGPT 在药物研发和医学中的应用具有广泛的前景。通过学习和理解现有的药物分子结构、药物代谢和药物剂量等规律，ChatGPT 可以帮助药物研发人员更快速、高效地开发新的化合物和药物治疗方案，从而为临床医生提供更好的药物选择和治疗建议。尽管 ChatGPT 的应用已经取得了一些成功，但仍然需要更多的研究来探索 ChatGPT 在药物研发和医学中的应用潜力。随着技术的不断发展，相信 ChatGPT 在未来将会在药物研发和医学中扮演越来越重要的角色。
【警告】以上文字均由 ChatGPT 生成，真实性未经核实！！
二、0112外刊精读：ChatGPT背后的AI技术可以如何用来研发新药？
（原创 Aurafuu 宇宙信号）
这篇很难多次想要放弃，事实上我精读+做笔记远超过120mins咯。ChatGPT最近几个月好火，NCL今年还考到了后悔没有早些看。
这篇我认为难度是4个星，相比《鬼乐》少一颗星。因为前者是专业性强，相信给医学翻译领域的人看会觉得还好，只是我们不懂专有术语和各种词条。后者是文学抽象性强，主要是这本书写得太有逻辑。
感觉既要通识又要专攻吧，翻译要know something about everything，但是往往又要专攻一个方向深入钻研，译者无疆吧~
【关键词】自然语言处理；蛋白质-语言模型；生物数据；氨基酸序列数据库；ChatGPT；人工智能；谷歌检索；新冠药物；制药企业【难度】★★★★【难点】贯穿AI科技、医学生物领域，多专有术语，理论性强。【建议精读时间】120mins+【科技术语】●computational biologist 计算生物学家●Natural language processing algorithms 自然语言处理算法【生物医学】●enzyme 酶●proteins 蛋白质●amino acids 氨基酸●drugmaker 制药企业●drug target 药物靶点●existing drugs 现有药物●trastuzumab 曲妥珠单抗●therapeutic benefit 疗效●drug candidates 候选药物●biological codes 生物密码●undruggable 无药可医的●pharma companies 药企●chemical subunits 化学亚基●pursue new drugs 研发新药●disease-fighting medicines 抗病药物●slash the time required to bring medications to market 缩短药物上市所需的时间【疾病名称】●ALS 渐冻症●HIV 艾滋病●heart disease 心脏病●pancreatic cancer/breast cancer 乳腺癌●autoimmune diseases 自身免疫性疾病【外刊词条】●workhorse 主力军●proponent 支持者●from scratch 从头开始●be compatible with 相容●a dramatic drop 大幅下降●elusive 难找的；难以达到的●degrading plastics 塑料降解●treating wastewater 废水处理●primary determinant 主要因素●cleaning up oil spills 石油泄漏清理●de novo 【拉丁语】从无到有；重新●three-dimensional shape 三维图形●acquire his startup 收购他的初创企业●laborious trial-and-error process 费力的试错过程●a paradigm-shifting methodology 一套颠覆性的方法●introduce unintended side effects 产生意想不到的副作用
How AI That Powers Chatbots and Search Queries Could Discover New DrugsChatGPT[1]背后的AI技术可以如何用来研发新药？
Natural language processing algorithms like the ones used in Google searches and OpenAI’s ChatGPT promise to slash[张1] the time required to bring medications[张2] to market
谷歌搜索与ChatGPT背后的自然语言处理算法[张3] 有望大幅缩短药物上市所需的时间。
ByKaren Hao Dec. 7, 2022 10:59 am ET
Illustration: Virginia Gabrielli
Para. 1
In their search for new disease-fighting medicines, drug makers have long employed a laborioustrial-and-error process to identify the right compounds. But what if artificial intelligence could predict the makeup of a new drug molecule the way Google figures out what you’re searching for, or email programs anticipate your replies—like “Got it, thanks”?
在寻找新型抗病药物的过程中，制药商长期以来都是通过一种费力的试错过程来确定合适的化学成分。但如果人工智能(AI)可以预测新药物的分子构成，就像谷歌(Google)能够猜出你想搜索的内容，或是电子邮件程序能够预测你的答复（例如“收到，多谢。”），事情会有什么变化？
Para. 2
That’s the aim of a new approach that uses an AI technique known as natural language processing—the same technology that enables OpenAI’s ChatGPT to generate human-like responses—to analyze and synthesize proteins, which are the building blocks of life and of many drugs. The approach exploits the fact that biological codes have something in common with search queries and email texts: Both are represented by a series of letters.
这正是一种新型研究方式想要达到的效果，它利用一种被称为自然语言处理的AI技术来分析并合成生命以及许多药物的基石——蛋白质。最近大火的软件ChatGPT正是OpenAI公司运用这种技术让其像人类一样回答问题。这种方法利用了一点，即生物密码与搜索查询以及电子邮件文本之间有一个共同点：它们都由一系列字母来表示。
Para. 3
Proteins are made up of dozens to thousands of small chemical subunits known as amino acids, and scientists use special notation[张4] to document the sequences. With each amino acid corresponding to a single letter of the alphabet, proteins are represented as long, sentence-like combinations.
蛋白质是由几十个到数千个被称为氨基酸的化学亚基所组成，科学家会使用特殊的符号来记录这些序列。由于每个氨基酸对应字母表中的一个字母，因此蛋白质用符号表示出来就像是一串长句。
Para. 4
Natural language algorithms, which quickly analyze language and predict the next step in a conversation, can also be applied to this biological datato create protein-language models. The models encode what might be called the grammar of proteins—the rules that govern which amino acid combinations yield specific therapeutic properties—to predict the sequences of letters that could become the basis of new drug molecules. As a result, the time required for the early stages of drug discovery could shrink from years to months.
自然语言算法可以快速分析语言并预测对话中的下一步，它也可以用于这类生物数据来创建蛋白质-语言模型。这些模型会对所谓的“蛋白质语法”——也就是确定哪些氨基酸组合能产生特定疗效的法则——进行编码，进而预测有望构成新药物分子基础的字母序列。如此一来，药物研发初期所需的时间有望从数年缩短至几个月。
Para. 5
“Nature has provided us with tons of examples of proteins that have been designed exquisitelywith a variety of functions,” says Ali Madani, founder of ProFluent Bio, a Berkeley, Calif.-based startup focused on language-based protein design. “We’re learning the blueprint from nature.”
“大自然为我们提供了数不清的、精心设计的蛋白质范例，功能也是五花八门。”初创企业ProFluent Bio的创始人阿里·迈达尼(Ali Madani)说，“在构建模型的问题上，大自然就是我们的老师。”该公司总部位于加州伯克利，业务重点是基于语言的蛋白质设计。
Para. 6
Protein-based drugs are used to treat heart disease, certain cancers and HIV[张5] , among other illnesses. In the past two years, companies including Merck & Co., Roche Holding AG’s Genentech and a number of startupslike Helixon Ltd. and Ainnocence have begun to pursue[张6] new drugs with natural language processing. The approach, they hope, will not only boost the effectiveness of existing drugs and drug candidates but also open the door to never-before-seenmolecules that could treat diseases like pancreatic cancer or ALS, [张7] for which more effective medicines have remained elusive[张8] .
目前，以蛋白质为基础的药物已被用于治疗心脏病、某些癌症以及艾滋病等疾病。过去两年间，包括默克公司(Merck & Co.)、罗氏控股(Roche Holding AG)旗下Genentech在内的企业以及许多初创企业如华深智药(Helixon Ltd.)和圆壹智慧(Ainnocence)，已开始借助自然语言处理来研发新药。它们希望这种方法不仅可以提升现有药物和候选药物的有效性，还能开启一扇通往未知分子的大门，届时人们或许可以利用这些分子来治疗胰腺癌、渐冻症等目前难以找到更有效药物的疾病。
The lab at Absci Corp., which is working with Merck to explore new methods of designing medicines.
Absci Corp. 的实验室，该公司正联手默克共同探索药物研发的新方式。
Photo: Absci
Para. 7
“Technologies like these are going to start addressing areas of biology that have been ‘undruggable,’” says Sean McClain, founder and CEO of Absci Corp. , a drug discovery company in Vancouver, Wash.
“类似这样的技术将开始解决那些曾经‘无药可医’的生物学领域。”华盛顿州温哥华的药物研发公司AbsciCorp.的创始人兼首席执行官肖恩·麦克莱恩(Sean McClain)说。
Para. 8
Natural language processing for drug discovery still faces major hurdles, according to computational biologists. Tinkering too much with existing protein-based drugs could introduce unintended side effects, they say, and wholly synthetic[张9] molecules will require rigorous testing to make sure they’re safe for the human body.
据计算生物学家说，自然语言处理在药物研发领域的应用依然面临着很大阻碍。他们指出，若是对现有以蛋白质为基础的药物进行过多调整，可能会产生意想不到的副作用，此外，完全由人工合成的药物分子需要经过严格的测试，以此确保它们对于人体的安全性。
Para. 9
But if the natural-language algorithms work as their adopters hope, they will bring new force to the promise of artificial intelligence to transform drug discovery. Previous attempts to use AI struggled with limitations in the technology or a lack of data. Recent advances in natural language processing and a dramatic dropin the cost of protein sequencing, which has yielded vast databases of amino-acid sequences, have largely overcome both problems, proponents[张10] say.
然而，如果自然语言算法能够达到使用者期望的效果，它将为AI改变药物研发这一前景注入新的力量。以往人们也曾试图利用AI，但由于技术上的局限或是缺乏数据，效果并不好。支持一方指出，考虑到自然语言处理最近取得的进展，加之蛋白质测序成本大幅下跌使得氨基酸序列数据库变得十分庞大，上述两个问题已在很大程度上得到克服。
Para. 10
With the technology still in the early stages, companies for now are focused on using protein-language models to enhance known molecules, such as to improve the efficacy of drug candidates. Given, say, a naturally occuring monoclonal antibody as a starting point, the models can recommend tweaks[张11] to its amino acid sequence to improve its therapeutic benefit.
鉴于这项技术尚处于早期阶段，企业暂时将重点放在了利用蛋白质-语言模型来增强已知分子上，例如提高候选药物的疗效。举例来说，以天然形成的单克隆抗体为起点，这些模型能够对其氨基酸序列提出调整建议，从而提升疗效。
Para. 11
In a pre-print paper published online in August, researchers at Absci used this method to enhance the antibody-based cancer drugtrastuzumab so that it binds more tightly to its target on the surface of cancer cells. A tighter bind could mean patients derive benefit from a lower dosage, shortening drug regimens[张12] and reducing side effects.
在8月份发表于网络的一篇预印版文章中，Absci的研究人员利用这种方法来强化抗癌药物曲妥珠单抗(Trastuzumab)，让这种以抗体为基础的药物能够与癌细胞表面的靶点结合得更紧密。结合度更高或许意味着患者可以使用更少的剂量，药物疗程也会缩短，同时副作用也会降低，这些都会让患者受益。
Para. 12
In another paper published in March in the Proceedings of the National Academy of Sciences, researchers from MIT[张13] , Tsinghua Universityand Helixon, which is based in Beijing, used protein-language models to transform a Covid-19 drug candidate that’s only effective against alpha, beta and gamma variants into one that could also treat delta.
在今年3月发表于《美国国家科学院院刊》(Proceedings of the National Academy of Sciences)的另一篇文章中，来自麻省理工学院(MIT)、清华大学以及华深智药（总部位于中国）的研究人员利用蛋白质-语言模型改造了一种新冠候选药，将一种原本仅对阿尔法、贝塔及伽马变种有效的药物变成了还能对付德尔塔毒株的“四合一”药物。
Para. 13
Ainnocence, a startup that spans[张14] the U.S. and China, helps clients use such models to modify animal proteins, such as antibodiesfrom rabbits—a common starting point for drug discovery—into forms compatible[张15] with human physiology, according to the company’s founder and CEO, Lurong Pan.
圆壹智慧是一家在中美两地开展业务的初创企业，据其创始人兼首席执行官潘麓蓉说，该公司帮助客户利用此类模型来修改动物蛋白质，例如兔子体内的抗体——这也是药物研发的常见起点——将其转变为能够与人类生理机能相容的形式。
Para. 14
But even now drugmakers are setting their sights beyond the modification of known proteins to so-called de novo design, the process of synthesizing molecules from scratch[张16] . Genentech says a recent experiment showed that it was possible to design an antibody to bind to the same cellular target as pertuzumab, a breast cancer drug on the market that Genentech sells under the brand name Perjeta, but with an entirely new amino acid sequence. Company scientists gave its protein-language models only the target and the antibody’s desired three-dimensional shape–theprimary determinant[张17] of a protein’s function–says Richard Bonneau, a Genentech executive director who joined the company last year when it acquired his startup, Prescient Design.
然而眼下，制药企业已不满足于修改已知蛋白质，它们把目光投向了所谓的“从无到有”来合成分子。Genentech表示，最近的一项实验显示，研究人员有可能设计出一种能够像帕妥珠单抗(Pertuzumab)一样与同一种细胞靶点结合、但却具有全新氨基酸序列的抗体。帕妥珠单抗是一种乳腺癌药物，Genentech以品牌名Perjeta在市面上销售该药。该公司执行董事理查德·波诺(Richard Bonneau)说，他们的科学家只给蛋白质-语言模型提供了靶点和抗体所需的三维图形——这是决定蛋白质功能的主要因素。波诺的初创企业Prescient Design去年被Genentech收购后，他便加入了后者。
Para. 15
Absci and Helixon are also working with drugmakers to design medicines for cancer and autoimmune[张18] diseasesusing de novo[张19] methods. Absci announced a partnership in January with Merck to go after three drug targets, according to Mr. McClain. A Merck spokesman said the company has entered into a number of collaborations to explore the potential of artificial intelligence in drug development. Helixon last month signed with two big pharma companies to tackle previously undruggable diseases, CEO and founder Jian Peng says.
Absci和华深智药也在同制药企业合作，利用“从无到有”的方法为癌症和自身免疫性疾病研制药物。据麦克莱恩说，Absci 1月份时宣布携手默克公司，共同研究三种药物靶点[张20] 。一名默克公司发言人表示，默克已开展一系列合作，目的都是为了探索AI在药物研发领域的潜能。华深智药创始人兼首席执行官彭健说，该公司上月已与两家大型药企签约，将共同对付此前无药可医的疾病。
Para. 16
“All the hard problems in drug discovery have been stuck there for a long time and have been waiting for a new wave of technology to solve it,” says Ainnocence’s Dr. Pan. “This is really a paradigm-shifting methodology[张21] .”
“药物研发领域的所有难题都由来已久，人们一直等着能有一波新技术将它们破解。”圆壹智慧的潘麓蓉博士说，“这确实是一套颠覆性的方法。”
Para. 17
Ultimately, many computational biologists expect protein-language models to yield benefits beyond faster drug development. The same technique might be used to produce better enzymesfor degrading plastics, treating wastewater and cleaning up oil spills, among other environmental applications, the biologists say. “Proteins are the workhorses[张22] of life,” ProFluent Bio’s Dr. Madani says. “They enable us to breathe and see, they enable the environment to be sustained, they enable human health and disease. If we can design better workers or new workers all together, that could have really wide-ranging applications.”
许多计算生物学家预计，最终，蛋白质-语言模型的用处将不仅体现在加快药物研发上。他们谈到，同样的技术也许会用于制造更好的酶，进而应用到塑料降解、废水处理和石油泄漏清理等环保领域。“蛋白质是生命的主力军。” ProFluent Bio的迈达尼博士说，“有了它们，我们才能呼吸，才能看见东西；有了它们，环境才得以延续；有了它们，人类才有健康与生病一说。如果我们能设计出更好的主力军，或是新的主力军，这套技术的应用范围可能真的会很广。”
Write to Karen Hao at karen.hao@wsj.com
[1] ChatGPT是由人工智能研究实验室OpenAI在2022年11月30日发布的全新聊天机器人模型，一款人工智能技术驱动的自然语言处理工具。它能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码等任务。同时也引起无数网友沉迷与ChatGPT聊天，成为大家讨论的火爆话题。发布单位是OpenAI。
[张1]【slash】
1. ~ sth（用利器）砍，劈to make a long cut with a sharp object, especially in a violent way
2. [oftpass] (informal) ~ sth 大幅度削减；大大降低to reduce sth by a large amount
[张2]【medication】
药；药物a drug or another form of medicine that you take to prevent or to treat an illness
[张3]【北京语言大学2023MTI真题·词条互译】
自然语言处理( Natural Language Processing, NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。
自然语言处理主要应用于机器翻译、舆情监测、自动摘要、观点提取、文本分类、问题回答、文本语义对比、语音识别、中文OCR等方面。
[张4]【notation】记谱法；标记法a system of signs or symbols used to represent information, especially in mathematics, science and music
[张5]人类免疫缺陷病毒又称艾滋病病毒，艾滋病（Acquired Immune Deficiency Syndrome，AIDS）是人类免疫缺陷病毒感染的最后阶段。
[张6]【pursue】
1. ~ sth 追求；致力于；执行；贯彻to do sth or try to achieve sth over a period of time
2. ~ sth.+ speech 继续探讨（或追究、从事）to continue to discuss, find out about or be involved in sth
3. ~ sb/sth 追逐；跟踪；追赶to follow or chase sb/sth, especially in order to catch them
[张7]肌萎缩侧索硬化（ALS, amyotrophic lateral sclerosis ）也叫运动神经元病（MND），后一名称英国常用，法国又叫夏科（Charcot）病，而美国也称卢伽雷（Lou Gehrig）病。我国通常将肌萎缩侧索硬化和运动神经元病混用。
[张8]【elusive】
难找的；难以解释的；难以达到的difficult to find, define, or achieve
[张9]【synthetic】
1. 人造的；（人工）合成的artificial; made by combining chemical substances rather than being produced naturally by plants or animals
2. 综合（型）的using changes to the ends of words rather than separate words to show the functions of words in a sentence
[张10]proponent 的近义词
advocate=backer=defender=enthusiaste=xponent=partisan=patron=protector=supporter=champion=expounder=friend=second=seconder=spokesperson=subscriber=upholder=vindicator
proponent 的反义词6 个
antagonist=detractor=enemy=opponent=opposition=foe
[张11]【tweak】可做名词和动词
1. 扭；拧；扯a sharp pull or twist
2.（对机器、系统等的）轻微调整a slight change that you make to a machine, system, etc. to improve it
[张12]【regimen】生活规则；养生之道；养生法a set of rules about food and exercise or medical treatment that you follow in order to stay healthy or to improve your health
[张13]麻省理工学院（Massachusetts Institute of Technology），简称“麻省理工”（MIT），创立于1861年，位于美国马萨诸塞州波士顿都市区剑桥市。
[张14]【span】动词
1. 持续；贯穿to last all through a period of time or to cover the whole of it
2. 包括（广大地区）；涵盖（多项内容）to include a large area or a lot of things
3. 横跨；跨越to stretch right across sth, from one side to the other
[张15]【compatible】
1. 兼容的；可共用的able to be used together
2. 可共存的；可共用的；兼容的able to exist or be used together without causing problems
3.（因思想、志趣等相投而）关系好的，和睦相处的if two people arecompatible , they can have a good relationship because they have similar ideas, interests, etc.
[张16]【from scratch】
从头开始；从头做起；从无到有
[张17]【determinant】
决定因素；决定条件a thing that decides whether or how sth happens
[张18]【autoimmune】
自身免疫的；自体免疫的an autoimmune disease or medical condition is one that is caused by substances that usually prevent illness
[张19]（拉）重新；更始
[张20]药物与机体生物大分子的结合部位即药物靶点。药物作用靶点涉及受体、酶、离子通道、转运体、免疫系统、基因等。
[张21]【methodology】
（从事某一活动的）方法，原则a set of methods and principles used to perform a particular activity
[张22]【workhorse】
埋头苦干的人；老黄牛（指吃苦耐劳的人）；耐用的机器a person or machine that you can rely on to do hard and/or boring work
点击可查看summary大图
三、ChatGPT企业版能助力并提高药物研发成功率？
（原创 N1 Life N1 Life）
导读
Moderna与OpenAI合作，为公司数千名员工配置了ChatGPT企业版。目前每个部门在人工智能的赋能下不断生成新用例，GPT的高效势能影响到公司中的每个小团队。
Moderna在科学、科技和健康的交叉领域已有超过10年的历史。Moderna的使命是通过mRNA药物尽可能多的帮助人们干预疾病——其中COVID-19疫苗是他们最著名的突破。该公司自2023年初起便与OpenAI合作。现在，ChatGPT企业版正在改变Moderna在每个功能上的运作方式。Moderna利用其开发mRNA药物的平台，预计在未来5年内推出多达15种新产品——从RSV疫苗到个体化癌症治疗。为了实现其雄心壮志，Moderna采取了以人为中心、技术领先的方法，不断测试可以增加人类能力和临床表现的创新技术。
“我们非常坚信ChatGPT和OpenAI正在做的事情将改变世界。我们正在审视每一个业务流程——从法律、研究、制造到商业——思考如何借助AI重新设计它们。”----Moderna首席执行官Stéphane Bancel
Science Technology
Moderna将AI带给每个人
Moderna采用生成式AI与采用其他高科技的目的相同：以数字力量，对患者的病情进行最大化干预。为了让AI蓬勃发展，他们知道需要从客户入手，为改变打下坚实基础。
Moderna的目标是在六个月内实现所有能够接触数字解决方案的人对生成式AI的100%采用和精通。“当涉及到样板改变时，我们会收集大家的智慧，”米勒说，“大家一起，每个人都有发言权，没有人被落下。”为此，Moderna组建了一支专家团队，推动定制的变更计划。他们的方法结合了个体、集体和结构性变革管理举措。个体变更管理计划包括深入的研究和聆听项目，以及通过面对面、在线和专门的AI学习伙伴进行的培训。“使用AI来教导AI对我们的成功至关重要”，米勒指出。集体变更管理举措包括一个AI提示比赛来确定排名前100的AI高级用户，然后将他们构建为内部生成式AI冠军的一组。Moderna的学习文化引导着每条业务线，通过AI内部论坛的扩展，目前每周有2000名活跃参与者。最后，结构性变更管理计划包括让Moderna的首席执行官和执行委员会成员参与，通过领导会议和大会以及激励计划和与内外部专家的赞助活动培养AI文化。
这项工作实现了在2023年初推出内部AI聊天机器人工具mChat的早期成功。基于OpenAI的API构建的mChat取得了成功，已被公司内超过80%的员工采用，为ChatGPT企业版的采用奠定了坚实的基础。
“90%的公司希望使用生成式AI，但只有10%的公司成功了，它们失败的原因是因为它们没有建立真正转变劳动力以采用新技术和新能力的机制。”-----------Moderna首席信息官Brad Miller
Science Technology
利用ChatGPT企业版推动大势
随着ChatGPT企业版的推出，Moderna需要做出一个决定：是继续发展mChat作为通用AI工具，还是让员工访问ChatGPT企业版？
“作为一家以科学为基础的公司，我们研究一切，”Moderna的AI产品和平台负责人Brice Challamel说到。 Challamel的团队进行了大量用户测试，比较了mChat、Copilot和ChatGPT企业版。“我们发现，ChatGPT企业版的净推荐分数非常高。这显然是公司最受欢迎的解决方案，也是我们决定加倍投入的解决方案，” Challamel说。
一旦员工有了轻松创建自己的GPT的方法，唯一的限制就是他们的想象力。“我们来到这里不是为了填充一个桶，而是点燃了一团火，”Challamel说。“我们看到火势蔓延，数百个用例跨团队创造了积极价值。我们知道我们正在为公司创造一些革命性的东西。”
该公司的结果超出了预期。在ChatGPT企业版采用两个月内：
Moderna公司内有750个GPT
每周活跃用户中有40%创建了GPT
每个用户平均每周进行了120次ChatGPT企业版对话
Science Technology
通过
通过GPT增强临床试验开发
Moderna已建立并正在继续开发和验证许多解决方案，并与ChatGPT企业版合作。其中之一是名为Dose ID的GPT试点。Dose ID有可能审查和分析临床数据，并能够集成和可视化大型数据集。Dose ID旨在用作临床研究团队的数据分析助手，帮助增强团队的临床判断和决策能力。
“Dose ID为我们提供了为什么选择某个特定剂量而不是其他剂量的支持理由。它使我们能够创建定制的数据可视化，并帮助研究团队成员与GPT对话，进一步从多个不同角度分析数据，”Moderna的临床开发总监Meklit Workneh说。
Dose ID利用ChatGPT企业版的先进的数据分析功能，自动化分析并验证了临床研究团队选择的最佳疫苗剂量，应用标准剂量选择标准和原则。Dose ID提供了理由，并引用了其来源，并生成了说明关键发现的信息图表。这使得人类主导的详细审查得以实现，并通过AI输入优先考虑安全性，并在进入后期临床试验进一步开发之前优化疫苗概况。
“Dose ID GPT有潜力提高我们作为团队的工作量。我们可以全面评估这些极大量的数据，并以非常高效、安全和准确的方式进行评估，同时有助于安全性和隐私的保护，”Workneh补充道。
Science Technology
改善合规性并讲述公司的故事
Moderna的法律团队声称ChatGPT企业版的采用率达到了100%。“它让我们将时间和精力集中在那些真正对患者产生影响的事项上，”Moderna的首席法务官Shannon Klinger说。
现在，有了合同辅助GPT，任何部门都可以获得合同的清晰、可读性摘要。政策机器人GPT帮助员工快速获取关于内部政策的答案，无需搜索数百份文件。Moderna的企业品牌团队也找到了许多利用ChatGPT企业版的方法。比如有一个GPT可以帮助准备季度盈利报告电话会议的幻灯片，另一个GPT帮助将生物技术术语转换为投资者沟通的易于理解的语言。
“有时我们沉浸于自己的世界，而AI帮助品牌超越了这一点，”Moderna的首席品牌官Kate Cronin解释道。“我的母亲想知道Moderna的什么，而不是监管机构，医生又想知道什么？我们如何以有效的方式向不同的受众讲述我们的故事？我认为这是一个巨大的机会。”
Science Technology
几千人的团队可以像10万人的团队一样运作
在未来几年推出多个产品的雄心勃勃计划中，Moderna将AI视为其成功的关键因素——以及作为一家企业保持精简，并在创新方面设定新的基准的能力。
“如果我们必须按照传统的生物制药方式进行，今天我们可能需要十万人，”班塞尔说。“我们真的相信，通过使用技术和AI来扩展公司规模，我们可以最大化地影响患者。”
Moderna在过去十年里建立了强大的技术堆栈和数据平台，从而为利用生成式AI提供了良好的位置。该公司培养了一个学习和好奇心的文化，吸引了擅长采用新技术和构建以AI为先的解决方案的员工。通过使Moderna的业务流程更加高效和准确，使用AI最终转化为患者获得更好的结果。“我非常感谢整个OpenAI团队，以及他们与我们团队的时间和参与，使我们能够共同拯救更多的生命，”班塞尔说。
原文：Moderna and OpenAI partner to accelerate the development of life-saving treatments.
Moderna has been at the intersection of science, technology, and health for more than 10 years. Moderna’s mission is to deliver the greatest possible impact to people through mRNA medicines—with the COVID-19 vaccine being their most well-known breakthrough.
The company has partnered with OpenAI since early 2023. Now, ChatGPT Enterprise is evolving how Moderna operates across each function.
Moderna is using its platform for developing mRNA medicines to bring up to 15 new products to market in the next 5 years—from a vaccine against RSV to individualized cancer treatments. In order to achieve its ambitions, Moderna has adopted a people-centric, technology-forward approach, constantly testing new technology and innovation that can increase human capacity and clinical performance.
We believe very profoundly at Moderna that ChatGPT and what OpenAI is doing is going to change the world. We’re looking at every business process—from legal, to research, to manufacturing, to commercial—and thinking about how to redesign them with AI.
Stéphane Bancel, CEO of Moderna
Moderna brings AI to everyone
Moderna adopted generative AI the same way Moderna adopts other technology: with the mindset of using the power of digital to maximize its positive impact on patients. To allow AI to flourish, they knew they needed to start with the user and invest in laying a strong foundation for change.
Moderna’s objective was to achieve 100% adoption and proficiency of generative AI by all its people with access to digital solutions in six months. “We believe in collective intelligence when it comes to paradigm changes,” said Miller, “it’s everyone together, everyone with a voice and nobody left behind.” For this, Moderna assigned a team of dedicated experts to drive a bespoke transformation program. Their approach combined individual, collective and structural change management initiatives.
Individual change management initiatives included in-depth research and listening programs, as well as trainings hosted in person, online and with dedicated AI learning companions. “Using AI to teach AI was key to our success”, Miller points out. Collective change management initiatives included an AI prompt contest to identify the top 100 AI power users who were then structured as a cohort of internal Generative AI Champions. Moderna’s culture of learning led to local office hours in every business line and geography, and scaled through an internal forum on AI, which now has 2,000 active weekly participants. Lastly, structural change management initiatives included engaging Moderna’s CEO and executive committee members to foster AI culture through leadership meetings and town halls as well as incentive programs and sponsored events with internal and external experts.
This work led to an early win with the launch of an internal AI chatbot tool, mChat, at the beginning of 2023. Built on OpenAI’s API, mChat was a success, adopted by more than 80% of employees across the company, building a solid foundation for the adoption of ChatGPT Enterprise.
90% of companies want to do GenAI, but only 10% of them are successful, and the reason they fail is because they haven’t built the mechanisms of actually transforming the workforce to adopt new technology and new capabilities.
Brad Miller, Chief Information Officer of Moderna
Building momentum with ChatGPT Enterprise
With the launch of ChatGPT Enterprise, Moderna had a decision to make: continue developing mChat as an all-purpose AI tool, or give employees access to ChatGPT Enterprise?
“As a science-based company, we research everything,” said Brice Challamel, Head of AI Products and Platforms at Moderna. Challamel’s team did extensive user testing comparing mChat, Copilot, and ChatGPT Enterprise. “We found out that the net promoter score of ChatGPT Enterprise was through the roof. This was by far the company-favorite solution, and the one we decided to double down on,” Challamel said.
Once employees had a way to create their own GPTs easily, the only limit was their imaginations. “We were never here to fill a bucket, but to light a fire,” Challamel said. “We saw the fire spread, with hundreds of use cases creating positive value across teams. We knew we were on to something revolutionary for the company.”
The company’s results are beyond expectations. Within two months of the ChatGPT Enterprise adoption:
Moderna had 750 GPTs across the company
40% of weekly active users created GPTs
Each user has 120 ChatGPT Enterprise conversations per week on average
Augmenting clinical trial development with GPTs
One of the many solutions Moderna has built and is continuing to develop and validate with ChatGPT Enterprise is a GPT pilot called Dose ID. Dose ID has the potential to review and analyze clinical data and is able to integrate and visualize large datasets. Dose ID is intended for use as a data-analysis assistant to the clinical study team, helping to augment the team’s clinical judgment and decision-making.
“Dose ID has provided supportive rationale for why we have picked a specific dose over other doses. It has allowed us to create customized data visualizations and it has also helped the study team members converse with the GPT to further analyze the data from multiple different angles,” said Meklit Workneh, Director of Clinical Development at Moderna.
Dose ID uses ChatGPT Enterprise’s advanced data analysis feature to automate the analysis and verify the optimal vaccine dose selected by the clinical study team, by applying standard dose selection criteria and principles. Dose ID provides a rationale, references its sources, and generates informative charts illustrating the key findings. This allows for a detailed review, led by humans and with AI input, prioritizing safety and optimizing the vaccine profile prior to further development in late-stage clinical trials.
“The Dose ID GPT has the potential to boost the amount of work we’re able to do as a team. We can comprehensively evaluate these extremely large amounts of data, and do it in a very efficient, safe, and accurate way, while helping to ensure security and privacy,” added Workneh.
Improving compliance and telling the company’s story
Moderna’s legal team boasts 100% adoption of ChatGPT Enterprise. “It lets us focus our time and attention on those matters that are truly driving an impact for patients,” said Shannon Klinger, Moderna’s Chief Legal Officer.
Now, with the Contract Companion GPT, any function can get a clear, readable summary of a contract. The Policy Bot GPT helps employees get quick answers about internal policies without needing to search through hundreds of documents.
Moderna’s corporate brand team has also found many ways to take advantage of ChatGPT Enterprise. They have a GPT that helps prepare slides for quarterly earnings calls, and another GPT that helps convert biotech terminology into approachable language for investor communications.
“Sometimes we’re so in our own world, and AI helps the brand think beyond that,” explained Kate Cronin, Chief Brand Officer of Moderna. “What would my mother want to know about Moderna, versus a regulator, versus a doctor? How do we tell our story in an effective way across different audiences? That’s where I think there’s a huge opportunity.”
A team of a few thousand can perform like a team of 100,000
With an ambitious plan to launch multiple products in the next few years, Moderna sees AI as a key component to their success—and their ability to stay lean as a business while setting new benchmarks in innovation.
“If we had to do it the old biopharmaceutical ways, we might need a hundred thousand people today,” said Bancel. “We really believe we can maximize our impact on patients with a few thousand people, using technology and AI to scale the company.”
Moderna has been well positioned to leverage generative AI having spent the last decade building a robust tech stack and data platform. The company fosters a culture of learning and curiosity, attracting employees that excel in adopting new technologies and building AI-first solutions.
By making business processes at Moderna more efficient and accurate, the use of AI ultimately translates to better outcomes for patients. “I’m really thankful for the entire OpenAI team, and the time and engagement they have with our team, so that together we can save more lives,” Bancel said.
四、ChatGLM与ChatGPT：对话预训练模型的新篇章与药物研发的未来
（原创 咸淡哥郑詠樑 咸蛋说）
摘要:
近期，人工智能领域再度迎来重大突破，ChatGLM3作为新一代对话预训练模型，以其全面提升的性能吸引了广泛关注。与此同时，ChatGPT在短短五天内用户数量即突破百万，展现了其强大的市场吸引力。本文将从技术、应用及市场影响等多维度，深入分析ChatGLM与ChatGPT的对话交互能力，并探讨其在药物研发等领域的潜在应用，揭示这两款聊天机器人模型为行业带来的变革与未来趋势。
随着人工智能技术的飞速发展，对话预训练模型已成为连接人与机器、推动智能化进程的关键技术之一。近期，ChatGLM3与ChatGPT的相继问世，不仅标志着对话预训练技术达到了新的高度，更预示着人工智能在多个领域的应用将迎来前所未有的变革。本文将聚焦于这两款模型的对话交互能力及其在药物研发等领域的潜在应用，通过深入分析其技术特点、市场表现及未来趋势，为读者揭示人工智能领域的最新动态与前景。
ChatGLM3作为新一代对话预训练模型，相较于其前代产品，在对话理解、生成及交互能力上实现了显著提升。这得益于其采用了更为先进的神经网络架构、更大规模的训练数据以及更为精细的调优策略。ChatGLM3能够更准确地理解用户的意图，生成更加自然、流畅且富有逻辑性的回复，从而在多个应用场景中展现出强大的竞争力。
ChatGPT则以其惊人的市场增长速度吸引了业界的广泛关注。在短短五天内，其用户数量即突破百万，这一成绩不仅彰显了其强大的市场吸引力，也反映了用户对于高质量对话交互服务的迫切需求。ChatGPT的成功，得益于其独特的对话生成策略与高效的训练机制，使得其能够迅速适应各种对话场景，为用户提供个性化的交互体验。
ChatGLM3与ChatGPT在语义理解与生成能力上均表现出色。它们能够准确捕捉用户的意图，生成符合语境的回复，并在对话过程中保持逻辑连贯性。这种能力不仅提升了用户体验，也为人工智能在客服、教育、娱乐等领域的广泛应用奠定了坚实基础。
两款模型在个性化与自适应性方面也取得了显著进展。它们能够根据用户的喜好、习惯及上下文信息，生成具有个性化的回复，从而增强用户的参与感与满意度。同时，它们还能够根据对话的进展，动态调整回复的策略与风格，以确保对话的顺畅进行。
ChatGLM3与ChatGPT在药物研发领域的应用前景广阔。通过对话交互，它们能够协助科研人员快速筛选潜在的药物分子，预测其药效与毒性，从而加速药物发现的过程。这种基于人工智能的药物筛选方法，不仅提高了筛选效率，还降低了研发成本，为新药研发带来了新的机遇。
在临床试验阶段，ChatGLM3与ChatGPT同样能够发挥重要作用。它们能够根据患者的病史、基因型及药物反应等信息，为患者提供个性化的治疗方案建议。同时，它们还能够协助科研人员设计更加科学、合理的临床试验方案，提高试验的成功率与可靠性。
此外，ChatGLM3与ChatGPT还能够作为医学知识传播与普及的重要工具。它们能够根据用户的需求与兴趣，提供定制化的医学知识服务，帮助用户更好地了解疾病、药物及健康知识。这种基于对话交互的知识传播方式，不仅提高了知识的可及性，还增强了用户的健康意识与自我管理能力。
ChatGLM3与ChatGPT的崛起，无疑将重塑人工智能市场的竞争格局。它们凭借出色的对话交互能力与广泛的应用前景，有望成为行业内的领军企业。同时，它们的成功也将激励更多企业投入对话预训练技术的研发与创新，推动整个行业的快速发展。
随着对话预训练技术的不断成熟与普及，其将加速与其他领域的跨界融合与创新。例如，在医疗领域，ChatGLM3与ChatGPT可以与电子病历系统、远程诊疗平台等相结合，为患者提供更加便捷、高效的医疗服务。在教育领域，它们可以作为智能辅导助手，帮助学生解答问题、提高学习效率。这种跨界融合与创新，将为人工智能技术的应用开辟更加广阔的空间。
然而，随着对话预训练技术的广泛应用，监管与伦理问题也日益凸显。如何确保模型的公平性、透明度与可解释性？如何保护用户的隐私与数据安全？这些都是亟待解决的问题。因此，政府、企业及科研机构需要共同努力，建立完善的监管机制与伦理规范，确保人工智能技术的健康发展与可持续应用。
综上所述，ChatGLM3与ChatGPT作为新一代对话预训练模型的代表，以其出色的对话交互能力与广泛的应用前景，为人工智能领域带来了新的变革与机遇。它们在药物研发等领域的应用探索，不仅提高了研发效率与成功率，还为医学知识的传播与普及提供了新的途径。然而，随着技术的不断发展与应用范围的扩大，监管与伦理问题也需引起足够重视。展望未来，我们有理由相信，在各方共同努力下，对话预训练技术将为人类社会带来更多福祉与进步。
基础资料信息来自网络，由咸淡哥工作室负责整理
五、谈一谈ChatGPT对药物研发的影响
（原创 曾子像 药理毒理开发）
ChatGPT是由美国OpenAI公司开发的大语言模型，使得AI产业出现了爆炸式发展。然而，近日包括SpaceX创始人伊隆·马斯克、苹果联合创始人Steve Wozniak、Stability AI 创始人Emad Mostaque等上千名科技大佬和AI专家，都联名签署了一封公开信，呼吁《暂停大型人工智能研究》，建议所有人工智能实验室立即暂停比GPT-4更强大的人工智能系统的训练，暂停时间至少为6个月。主要担心AI进化会出现人类失去对文明控制的风险。“ChatGPT之父”——萨姆·阿尔特曼也说过，有时候就连OpenAI的研究者自己都搞不明白，GPT系列为何会出现推理能力，并暗示AI确实可能杀死人类。也有人提到所谓的硅基生命可能替代碳基生命。其实并不奇怪，新的技术总是在充满争议中前行。人类对未知充满恐惧，保持一定敬畏不见得是坏事。
ChatGPT的更高级版本的进化以及风险我们暂且不论，其目前的表现就已经在改变很多行业从业者的命运。比如传统客服需要人工，以后ChatGPT完全可以回答问题了。ChatGPT在智能投顾、智能辅导、智能导游等方面的潜力，对金融业、教育行业、旅游业也会产生影响。
那么作为医药行业从业者，很好奇ChatGPT对我们这个行业的未来会产生怎样的影响呢？是AI的加持和赋能使得研发效率提高，还是真的会影响到大家的饭碗，被AI替代呢？美国密歇根州立大学和天普大学的研究人员发表了相关文章进行了分析，结合笔者的工作经验，略作讨论。
药物研发大致过程分为靶点发现、苗头/先导化合物发现、临床前测试等环节。下图是以计算机技术为基础的药物发现示例图。
那么ChatGPT对药物研发各环节可能的影响有哪些呢？
1） 计算机化学：这块不是本人的专业领域，不展开了，原文大致意思是ChatGPT对Compute the compound multiplicity、Convert smiles to files、Generation of input files for gaussian and other software、Input file for AutoDock docking均能深度参与，并能按照作者提的问题和要求成功给出答案。
2） 找到pdb文件(Finding the pdb files)：PDB是蛋白质结构数据库，作者以金属蛋白、结合DNA蛋白、刺突蛋白为例，ChatGPT可以准确提供这些蛋白的PDB ID。但是对于复杂一些问题，ChatGPT并没有回答上来，如下图所示：
3）可以给出FASTA序列，但不具备对比能力（Can give FASTA sequence but cannot compare the FASTA sequence）：目前的ChatGPT会建议去UniProt数据库获取所需序列。不过，提供序列这个功能即使现在不能实现，未来应该也很容易突破，研发人员给出任何一个蛋白质的名称，只要是公开可查的，GPT能准确给出我们氨基酸序列。在此基础上，进一步做序列比对，应该也不是什么难事吧。
4）ADMET性质：ChatGPT仅能给出已知药物的ADMET属性。现在的GPT给出的数据是通过其能检索到的公开的各种数据库中的信息获得的。新结构、新分子的ADMET属性现在的GPT是不具备能力给出的，未来感觉实现这个突破也有点遥远，难度还是有点大的。不过，能给出我们关心的已有分子的数据也是大大提高了获取资料的效率。
5）帮助进行文献检索：ChatGPT在文献检索方面作用很大，不仅具备检索功能，而且可以列出与检索主题相关的specific findings. 这点对于GPT来讲应该就是小菜一碟啦，文献数据库大多是公开的，以现在的算力，很轻松就能囊括所有关键词相关的文献、资料，并提炼出有用的信息。同理，ChatGPT可以产生药物相关的报告和文章：ChatGPT can be fine-tuned on a dataset of drug-related papers and used to generate reports and papers that summarize the current state of research in a specific area.
6）抄袭检查：可以帮助研究论文或资料查重，确认是否有抄袭风险。这点主要是针对研究数据需要发表论文时的场景，GPT可以帮助查重，这个应用对GPT来讲，比起国内某宝卖的查重服务应该是只会强不会弱的吧。
7）机器学习和数据分析：将数据文本整合到ChatGPT中，可以实现对数据的分析。原文：It can be integrated into a program or application using its API, which allows developers to input text and receive a response generated by the model. The API can be accessed using programming languages such as Python, JavaScript, and C#. Additionally, the OpenAI team has also released a pre-trained version of the model, which can be fine-tuned for specific tasks using a process called transfer learning.
关于这点，还是能想到一些场景的。比如毒理数据，一个四周重复给药长毒报告中，会产生海量数据，血液学、血常规、尿液、免疫细胞、TK、ADA及病理等，当前现状几乎都是靠人力去分析数据，得出结论。这点GPT应该是能派上大用场，把数据导入GPT分析，再去获得是否有异常数据（超过正常范围）、是否与阴性组有差异、是否有剂量相关性、是否有雌雄差异等等。通过机器学习、训练，数据分析这个维度的能力，GPT应该是能突破的。
8）创新：通过对话，研究人员可以获得很多新的建议和想法。很难有那么一个聊天对象，学富五车，才高八斗，上知天文下知地理，又那么有耐心、有修养，不厌其烦的、态度端正的掏空自己毕生所学，然后毫无保留、倾囊相授。各种稀奇古怪、各种漫天猜想、各种思维跳跃，只有你想不到的，没有它不能回答的，然后或许真的有那么一刻，某些想法就碰撞出来了呢。
9）鉴定并验证新的药物靶点：通过与ChatGPT交流，可以获得某一疾病领域或某一靶点的最新研究数据，帮助研究人员获得潜在新靶点。这点对于药物研发还是非常重要的。靶点是所有研发的起点，也是决定大药企、小biotech研发成功率的核心要素之一，Pfizer的MBDD模型、阿斯利康的“6R”模型、Merck的TxM模型，都将Right target列在其中。每天海量文献发布，人力是很难逐一甄别的，GPT通过其强大的算力和锚定的资源，可以给出某一领域，比如胰腺癌，新的研究提示的潜在新靶点。也可以给出KRAS G12C最新研究数据，还可以给出是否有新的常见耐药突变出现。可以做到省时省力吧。
10）设计新的药物：ChatGPT基于现有的所有成药或可能成药分子，生成具备同样属性的新的化学结构（ChatGPT can be fine-tuned on a dataset of known drug-like molecules and used to generate new chemical structures with similar properties），有可能会提高研发成功率。同前，不是本人专业领域，不做评判，看上去很厉害的样子，GPT如果能设计结构、改造化合物就有意思了。
11）优化药物属性：ChatGPT can be used to predict the pharmacokinetics and pharmacodynamics of new drugs, and to support the virtual screening of chemical libraries in early-stage drug discovery. 通过预测新分子的PK和PD属性，进行虚拟筛选。关于这点，我理解的是GPT根据新分子结构与已有PK、PD数据的且结构相似的分子对比，再加以训练，可以大致推测新分子的PK、PD特点，将明显不符合成药规律的分子先筛掉，节约成本。不过，最后确定lead、PCC还是需要实验验证，完全靠这种预测下定论也不太可能。否则，GPT的玩笑可就开大了。
12）预测毒性：ChatGPT can be fine-tuned on a dataset of toxicity data and used to predict the potential toxic effects of new drugs. 市面上已经有一些预测毒性的软件，如遗传毒性预测软件。GPT有所有公开药物结构-毒性的数据，对于给出的新结构，做出一些毒性推测是不难的。但是，监管机构明显不会接受，至少未来很长时间内也不会接受这种预测数据代替实测数据，开展临床，更别提上市了。而且，毒性涉及的因素实在太多，太过于复杂，不太容易预测。尤其对于生物药就更难了，单纯的ADA预测都还没谱，更别提其它毒性预测了。
13）药物注册（Regulatory affairs）：The website Pharmavibes suggests that it could be a useful source of information about regulations in different countries and in helping companies to understand those regulations in relation to their own product. It also suggests companies could use ChatGPT when putting together applications to regulatory agencies. 全球所有监管机构的政策、法规都是公开的，对于这些资料的处理，GPT应该是没有任何问题的。常规的注册性问题，是可以从GPT获得一些建议或答案的。另外，基于给定的数据、按照固定的格式、整合成最终的报告，GPT应该也能有所作为。
14）抗体工程改造：既然GPT能够对计算化学、结构模拟有助力，对于抗体人源化、亲和力成熟等有点参与感也就不奇怪了。
GPT缺点：
1）GPT主要依赖已公开的数据进行回答。如果数据是不完整的、有偏倚的、不准确的，该模型的预测就会出问题。
2）缺少实验验证：GPT目前只能做理论分析，只要是预测，就很难绝对准确，或者准确率都是个问题，还是需要实验去确证、验证、求证。
3）Limited understanding of the underlying biology: While ChatGPT can generate human-like text, it does not understand the underlying biology of the systems it is simulating. Therefore, the predictions made by the model may not always reflect the true complexity of the systems.
4）Limited interpretability: ChatGPT, like other machine learning models, can be difficult to interpret, and it's not always clear how the model arrived at a particular prediction.
5）Limitations in handling uncertainty: ChatGPT is a deterministic model, it cannot account for the uncertainty in the data and predictions.
6）Lack of transparency: ChatGPT is a black box model, it is difficult to understand and explain the internal workings of the model, which can make it difficult to trust the model's predictions.
担心翻译、整理的不准确，就将原文列上供参考吧。
最后简单总结下吧，首先，ChatGPT能够影响药物研发、改变药物研发的肯定不只上面罗列的这些。既然ChatGPT能够重塑很多行业，医药行业也不会例外的。其次，我们要做的是拥抱变化、拥抱未来，逃避肯定是没用的。然后，也不必担忧甚至恐惧，ChatGPT其实更多的作用还是赋能，是提高研发的效率。当然，某些岗位是有一定风险的，比如文献检索、数据分析等等。最后强调下，ChatGPT并没有进国内，国内用户正常途径是不能注册的，国产的类似AI模型还离得很远。本文就简单粗浅讨论下ChatGPT的特点及对药物研发的可能影响，抛砖引玉吧，万一未来它真的来了呢。
end
本公众号声明：
1、如您转载本公众号原创内容必须注明出处。
2、本公众号转载的内容是出于传递更多信息之目的，若有来源标注错误或侵犯了您的合法权益，请作者或发布单位与我们联系，我们将及时进行修改或删除处理。
3、本公众号文中部分图片来源于网络，版权归原作者所有，如果侵犯到您的权益，请联系我们删除。
4、本公众号发布的所有内容，并不意味着本公众号赞同其观点或证实其描述。其原创性以及文中陈述文字和内容未经本公众号证实，对本文全部或者部分内容的真实性、完整性、及时性我们不作任何保证或承诺，请浏览者仅作参考，并请自行核实。
