传统中医药的LLM和AI生命模型来源于日热保护剂配方

科学领域:

• 计算生物学 计算生物学
• 药理学 药理学是指药理学的学科.
• 老年学是指老年学的学科.

背景情况:

• 传统中医 (TCM) 提供了广泛的治疗知识,但由于不同的理论框架,它面临着与现代药物发现的整合挑战.
• 弥合差距需要创新的方法来将TCM的整体原则与现代科学方法联系起来.

研究的目的:

• 开发一个人工智能驱动的框架,将TCM数据与现代药理学方法相结合,用于发现新型的老年保护剂.
• 证明使用人工智能的可行性,以系统地分析针对针对与年龄相关疾病的多组分配方的TCM.

主要方法:

• 开发了一个AI框架,将Precious3GPT (P3GPT),一个多omics变压器模型与BATMAN-TCM2数据库结合起来.
• 利用P3GPT生成的交叉物种和交叉组织签名来选TCM化合物,草药和配方.
• 确定了与衰老相关的保存基因和TCM化合物,具有显著的目标重叠.

主要成果:

• 通过跨物种分析确定了13个保存的与衰老相关的基因.
• 发现了34种具有显著目标重叠的TCM化合物,包括HUA SHAN WU ZI DAN,作为有前途的老年保护剂.
• 演示了人工智能有能力系统地将TCM和现代药理学联系起来,以合理设计药物.

结论:

• 人工智能为现代化传统医学提供了一个强大的框架,可以合理设计与年龄相关过程的多组分配方.
• 这种方法尊重TCM的整体原则,同时促进科学验证和药物发现.
• 所有材料和代码库的公开发布支持人工智能在研究中的更广泛整合.