مقالات مشابهة
ورقة بحثية جديدة بعنوان “نموذج لغة المحولات الطبية الحيوية المولدة مسبقًا والمدربة مسبقًا لاكتشاف أهداف الأمراض المرتبطة بالعمر“تم نشره في شيخوخة.
يعد اكتشاف الهدف أمرًا بالغ الأهمية لتطوير علاجات وتشخيصات مبتكرة. ومع ذلك، تواجه الأساليب الحالية في كثير من الأحيان قيودًا في الكفاءة والنوعية وقابلية التوسع، مما يستلزم استكشاف استراتيجيات جديدة لتحديد الأهداف ذات الصلة بالمرض والتحقق من صحتها. لقد وفر التقدم في معالجة اللغة الطبيعية طرقًا جديدة للتنبؤ بالأهداف العلاجية المحتملة لمختلف الأمراض.
وفي دراستهم الجديدة، شارك الباحثون ديانا زاجيروفا، وستيفان بوشكوف، وجيفري هو دوين ليونج، وبوني هاي مان ليو، وأناتولي أوربان، ودينيس سيدورينكو، وألكسندر كلاشينكوف، وإيكاترينا كوزلوفا، وفلاديمير نوموف، وفرانك دبليو بون، وإيفان ف. أوزيروف، وأليكس أليبر، ويقدم أليكس زافورونكوف من Insilico Medicine نهجًا جديدًا للتنبؤ بالأهداف العلاجية باستخدام نموذج لغة كبير (LLM).
يوضح الباحثون: “لقد قمنا بتدريب نموذج BioGPT خاص بمجال معين على مجموعة كبيرة من المؤلفات الطبية الحيوية التي تتكون من نص المنحة وقمنا بتطوير خط أنابيب لتوليد التنبؤ بالهدف”.
توضح هذه الدراسة أن التدريب المسبق لنموذج LLM مع النصوص الخاصة بالمهمة يحسن أدائه. ومن خلال تطبيق خط الأنابيب المطور، استعاد الباحثون الأهداف المحتملة للشيخوخة والأمراض المرتبطة بالعمر وأظهروا أن هذه البروتينات تتوافق مع بيانات قاعدة البيانات. علاوة على ذلك، يقترحون CCR5 وPTH كأهداف جديدة محتملة مزدوجة الغرض لمكافحة الشيخوخة والأمراض والتي لم يتم تحديدها سابقًا على أنها مرتبطة بالعمر ولكن تم تصنيفها بدرجة عالية في نهجهم.
“بشكل عام، يسلط عملنا الضوء على الإمكانات العالية لنماذج المحولات في التنبؤ الجديد بالهدف ويوفر خريطة طريق للتكامل المستقبلي لمناهج الذكاء الاصطناعي لمعالجة التحديات المعقدة المقدمة في مجال الطب الحيوي”، يلخص الفريق.
