搜索
五药企借联邦学习用私有数据提升 AI 药物研发模型精度
2 小时前
以AlphaFold 3为代表的共折叠模型，在真实药物研发场景中精度尚未达到实用标准，主要因为公开的蛋白-药物分子配对数据稀缺，而药企的私有数据又难以在保密的前提下被有效利用。艾伯维等五家药企利用Apheris的联邦学习架构，基于OpenFold3 Preview 2模型，结合超过2万条私有蛋白-配体结构数据，训练出了AISB-1-Fed模型。该模型在关键指标上优于公开模型及单一药企微调的模型，尤其在蛋白-蛋白界面预测方面表现突出。经测试，该模型未泄露任何数据，性能提升主要得益于私有数据的应用。当前，多数共折叠模型基于PDB数据训练，存在“死记硬背”、泛化性差的问题。为此，行业正在探索数据解决方案：除AISB采用的联邦学习路线外，礼来推出了TuneLab平台，还有OpenBind、LIGAND-AI等新造公开数据的项目。业内认为，联邦学习只是权宜之计，新造数据更具长期价值。此外，联邦学习仅能部分赋能药物研发，共折叠模型的下一阶段发展需从静态结构预测转向动力学建模，存量私有数据与新造数据均不可或缺。
