大模型挖掘文献中隐藏药物靶点信息.docxVIP

PAGE

1-

大模型挖掘文献中隐藏药物靶点信息

一、引言

1.研究背景

(1)随着现代生物技术的飞速发展，药物研发成为医药领域的重要研究方向。药物靶点是药物研发的核心，它是指药物作用的特定分子，如蛋白质、酶、受体等。近年来，随着高通量测序技术的广泛应用，人类基因组计划的成功实施，以及生物信息学技术的不断进步，药物靶点的发现和验证速度显著提高。然而，传统的药物靶点发现方法主要依赖于生物实验，费时费力，且成功率较低。据统计，全球每年约有1万多个新药候选分子被筛选出来，但最终只有不到1%的药物能够成功上市。

(2)随着大数据时代的到来，大量的生物医学文献数据为药物靶点的挖掘提供了丰富的资源。文献挖掘作为一种非侵入性的生物信息学方法，能够从海量的文献中自动提取药物靶点信息，为药物研发提供新的思路和方向。据统计，截至2020年，全球已有超过2000万篇生物医学文献，其中包含大量的药物靶点信息。然而，传统的文献挖掘方法主要依赖于关键词匹配和规则匹配，难以应对复杂多变的文献结构和语义关系，导致挖掘结果的准确性和全面性受到限制。

(3)近年来，深度学习等人工智能技术的发展为文献挖掘带来了新的机遇。深度学习模型能够自动学习文献中的特征和规律，具有较高的准确性和泛化能力。例如，基于卷积神经网络（CNN）的文献摘要生成模型能够在理解文献内容的基础上，自动生成摘要，提高了文献阅读