M³-20M:用于人工智能驱动的药物设计和发现的大规模多模式分子数据集

科学领域:

• 计算化学是一种计算化学.
• 人工智能在药物发现中的作用
• 数据科学用于分子建模.

背景情况:

• 现有的分子数据集在规模和多模式表示上是有限的.
• 人工智能驱动的药物设计需要大量,多样化的数据集来进行有效的模型培训.
• 当前的模型难以产生新的,有效的分子结构和准确的属性预测.

研究的目的:

• 为了介绍M3-20M,一个大规模的多模态分子数据集.
• 为AI药物发现提供前所未有的数据集大小 (超过2000万个分子).
• 为了证明数据集在改善药物设计任务的AI模型性能方面的实用性.

主要方法:

• 整合现有的分子数据库和使用大型语言模型 (LLM) 的生成.
• 包括多模式数据:1D SMILES,2D图表,3D结构,物理化学特性和文本描述.
• 使用LLM (GLM4,GPT-3.5,GPT-4,Llama3-8b) 进行广泛的实验,用于分子生成和属性预测.

主要成果:

• M3-20M显著提高了分子生成和属性预测任务的性能.
• 在M3-20M上训练的模型产生了更加多样化和有效的分子结构.
• 与单模数据集相比,可以实现更高的分子性质预测准确度.
• 验证数据集对人工智能驱动的药物设计和发现的价值.

结论:

• M3-20M代表了人工智能药物发现数据集规模和模式的重大进步.
• 该数据集使人工智能模型能够在关键药物设计任务中实现卓越的性能.
• M3-20M有望通过人工智能加速新疗法的开发.