百时美施贵宝(Bristol Myers Squibb)、武田制药(Takeda)和Astex制药已加入一个近期成立的联盟，该联盟正在利用制药行业数据优化OpenFold结构预测平台。
人工智能结构生物学(AISB)联盟今年早些时候成立，旨在微调OpenFold3。OpenFold3正由哥伦比亚大学Mohammed AlQuraishi团队开发，艾伯维(AbbVie)和强生(Johnson & Johnson)是首批加入该项目的制药企业。
该项目由安全网络专家Apheris支持，主要目标是克服分子结构预测AI开发者面临的主要挑战之一——用于训练模型的蛋白质和配体结构数据有限，而这些数据对确保模型对药物开发者有用至关重要。
由于必要性，这类模型正在使用有缺陷的公开数据库构建，这些数据库缺乏为复杂药物发现提供所需预测准确性和通用性的精度，而加入制药行业数据可以带来显著改进。
该项目被视为谷歌DeepMind和Isomorphic Labs的AlphaFold项目的替代方案，但其构建主要以药物开发为目标。
五家制药合作伙伴已同意在设计用于保护其商业秘密和知识产权的安全环境中，开放其专有的结构衍生数据来训练该系统。
它们都贡献了来自数千个实验确定的蛋白质-小分子结构的数据，创建了Apheris所称的"药物发现模型训练中最多样化的数据集之一"。
百时美施贵宝(BMS)发现生物治疗和领导发现与优化负责人Payal Sheth评论道："我们的人工智能和机器学习战略深度融入我们的研发框架，指导从靶点优先排序到预测性分子设计和患者分层的各个方面。"
她补充道："我们正在汇集来自多家制药公司的多样化结构数据集，以推进小分子发现的预测模型，这是任何单一组织都无法独自实现的。"
据Apheris称，最终目标是使OpenFold3成为一种通过实现与X射线晶体学等实验方法相当的预测精度来加速分子设计的工具。
AISB还在考虑对小分子和大分子的其他计划采取类似的联邦方法。
Apheris联合创始人兼首席执行官Robin Röhm表示："在药物发现中，没有哪家公司拥有足够的数据来独自解决最困难的问题。"
他补充道："联邦学习使行业能够克服这一障碍。通过AISB网络，我们展示了在不移动或暴露数据的情况下，结合制药数据集力量的可能性。"
【全文结束】
