論文の概要: ChatGPT-powered Conversational Drug Editing Using Retrieval and Domain
Feedback
- arxiv url: http://arxiv.org/abs/2305.18090v1
- Date: Mon, 29 May 2023 14:43:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-30 14:49:12.789182
- Title: ChatGPT-powered Conversational Drug Editing Using Retrieval and Domain
Feedback
- Title(参考訳): 検索とドメインフィードバックを用いたチャットGPTによる会話型ドラッグ編集
- Authors: Shengchao Liu, Jiongxiao Wang, Yijin Yang, Chengpeng Wang, Ling Liu,
Hongyu Guo, Chaowei Xiao
- Abstract要約: ChatDrugは、対話型大言語モデル(LLM)を用いた薬物編集の体系的調査を容易にするフレームワークである。
実験によって、ChatDrugは、39の薬物編集タスクのうち33のタスクにおいて、小さな分子、ペプチド、タンパク質を含む最高のパフォーマンスに達することが実証された。
また、ChatDrugは、ドメイン固有の視点から洞察に富んだ説明を提供し、解釈可能性を高め、情報的な意思決定を可能にします。
- 参考スコア(独自算出の注目度): 27.286428000791172
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advancements in conversational large language models (LLMs), such as
ChatGPT, have demonstrated remarkable promise in various domains, including
drug discovery. However, existing works mainly focus on investigating the
capabilities of conversational LLMs on chemical reaction and retrosynthesis.
While drug editing, a critical task in the drug discovery pipeline, remains
largely unexplored. To bridge this gap, we propose ChatDrug, a framework to
facilitate the systematic investigation of drug editing using LLMs. ChatDrug
jointly leverages a prompt module, a retrieval and domain feedback (ReDF)
module, and a conversation module to streamline effective drug editing. We
empirically show that ChatDrug reaches the best performance on 33 out of 39
drug editing tasks, encompassing small molecules, peptides, and proteins. We
further demonstrate, through 10 case studies, that ChatDrug can successfully
identify the key substructures (e.g., the molecule functional groups, peptide
motifs, and protein structures) for manipulation, generating diverse and valid
suggestions for drug editing. Promisingly, we also show that ChatDrug can offer
insightful explanations from a domain-specific perspective, enhancing
interpretability and enabling informed decision-making. This research sheds
light on the potential of ChatGPT and conversational LLMs for drug editing. It
paves the way for a more efficient and collaborative drug discovery pipeline,
contributing to the advancement of pharmaceutical research and development.
- Abstract(参考訳): chatgptのような会話型大規模言語モデル(llm)の最近の進歩は、薬物発見を含む様々な領域で顕著な期待を示している。
しかし、既存の研究は主に化学反応とレトロ合成における会話型LDMの能力の研究に重点を置いている。
創薬パイプラインにおける重要なタスクである薬物編集は、ほとんど未調査のままである。
このギャップを埋めるため,LSMを用いた薬物編集の体系的調査を容易にするフレームワークChatDrugを提案する。
ChatDrugは、プロンプトモジュール、検索およびドメインフィードバック(ReDF)モジュール、会話モジュールを併用して、効果的なドラッグ編集を効率化する。
実験により,小分子,ペプチド,タンパク質を包含する39項目中33項目において,chatdrugが最高の性能を示した。
さらに10例のケーススタディを通じて,chatdrugは,分子機能群,ペプチドモチーフ,タンパク質構造などの重要なサブ構造を識別して操作し,薬物編集のための多様な有効な提案を生成できることを実証した。
また、ChatDrugは、ドメイン固有の視点から洞察に富んだ説明を提供し、解釈可能性を高め、情報的な意思決定を可能にすることを示す。
この研究は、薬物編集のためのChatGPTと会話型LLMの可能性に光を当てている。
より効率的で協力的な薬物発見パイプラインへの道を開き、製薬研究と開発の発展に貢献した。
関連論文リスト
- Hallucinations Can Improve Large Language Models in Drug Discovery [10.573861741540853]
LLM(Large Language Models)の幻覚は研究者によって提起されているが、創薬、創薬、探索などの創造性が不可欠である分野においてその潜在能力は高い。
本稿では,幻覚が薬物発見におけるLSMを改善するという仮説を考案する。
論文 参考訳(メタデータ) (2025-01-23T16:45:51Z) - MagicQuill: An Intelligent Interactive Image Editing System [73.47681817924062]
本稿では,創造的アイデアの迅速な実現を可能にする統合画像編集システムMagicQuillを紹介する。
本システムでは,編集操作の明瞭化を図りつつ,機能的に堅牢なインタフェースを特徴とする。
実験結果から,高画質画像編集におけるMagicQuillの有効性が示された。
論文 参考訳(メタデータ) (2024-11-14T18:59:57Z) - Hallucination Detection: Robustly Discerning Reliable Answers in Large Language Models [70.19081534515371]
大規模言語モデル(LLM)は様々な自然言語処理タスクで広く採用されている。
それらは、入力源から逸脱する不信または矛盾したコンテンツを生成し、深刻な結果をもたらす。
本稿では,LLMの生成した回答の幻覚を効果的に検出するために,RelDという頑健な識別器を提案する。
論文 参考訳(メタデータ) (2024-07-04T18:47:42Z) - Emerging Opportunities of Using Large Language Models for Translation
Between Drug Molecules and Indications [6.832024637226738]
薬物分子とそれに対応する指標を翻訳する新しい課題を提案する。
表示からの分子の生成、またはその逆は、病気のより効率的なターゲティングを可能にする。
論文 参考訳(メタデータ) (2024-02-14T21:33:13Z) - Drug Discovery with Dynamic Goal-aware Fragments [76.10700304803177]
GEAM (Goal-aware fragment extract, Assembly and Modification) という薬物発見のための分子生成フレームワークを提案する。
GEAMは3つのモジュールから構成されており、それぞれがゴール対応のフラグメント抽出、フラグメントアセンブリ、フラグメント修正を担当している。
GEAMは3つのモジュールの生成サイクルを通じて薬物候補を効果的に発見できることを実験的に実証した。
論文 参考訳(メタデータ) (2023-10-02T01:30:42Z) - ChatGPT in Drug Discovery: A Case Study on Anti-Cocaine Addiction Drug
Development with Chatbots [5.017265957266848]
この研究は、GPT-4を仮想ガイドとして採用し、薬物候補の生成モデルに取り組んでいる研究者に戦略的および方法論的な洞察を提供する。
第一の目的は、望ましい性質を持つ最適な薬物様分子を生成することである。
この研究は、人間の専門知識とAI支援の協調的な相乗効果に光を当て、ChatGPTの認知能力は、潜在的医薬品ソリューションの開発を促進する。
論文 参考訳(メタデータ) (2023-08-14T03:43:57Z) - DrugChat: Towards Enabling ChatGPT-Like Capabilities on Drug Molecule
Graphs [40.55784780289951]
薬物分子グラフ上でChatGPTライクな機能を実現するための最初の試みは、プロトタイプシステムであるD薬チャットを開発することである。
DrugChatはChatGPTと同様の働きをする。ユーザーは複合分子グラフをアップロードし、この化合物について様々な質問をする。TarmChatは、これらの質問にマルチターンで対話的な方法で答える。
論文 参考訳(メタデータ) (2023-05-18T16:22:33Z) - Check Your Facts and Try Again: Improving Large Language Models with
External Knowledge and Automated Feedback [127.75419038610455]
大規模言語モデル(LLM)は、ダウンストリームタスクの多くに対して、人間のような、流動的な応答を生成することができる。
本稿では,プラグ・アンド・プレイモジュールのセットでブラックボックスのLSMを増強するLSM-Augmenterシステムを提案する。
論文 参考訳(メタデータ) (2023-02-24T18:48:43Z) - Text Mining to Identify and Extract Novel Disease Treatments From
Unstructured Datasets [56.38623317907416]
Google Cloudを使って、NPRラジオ番組のポッドキャストのエピソードを書き起こします。
次に、テキストを体系的に前処理するためのパイプラインを構築します。
我々のモデルは、Omeprazoleが心臓熱傷の治療に役立てることに成功しました。
論文 参考訳(メタデータ) (2020-10-22T19:52:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。