День 5 #ScienceAIBench: Ідентифікація 🎯 цілі Ми продовжуємо нашу щоденну серію випусків з 5-го дня, зміщуючи фокус з молекулярних властивостей на складний виклик відкриття біологічних мішеней. Визначення правильної терапевтичної цілі є найважливішим кроком у розробці ліків, щоб уникнути дорогих клінічних невдач. Сьогодні ми глибше занурюємося в біоінформатику та представляємо результати модуля TargetBench. Успіх у відкритті ліків починається з правильної цілі. Сьогоднішній бенчмарк оцінює здатність передових моделей ШІ відновлювати встановлені клінічні цілі для складних фіброзних захворювань, відрізняючи справжні біологічні сигнали від шуму. Ми також опублікували препринт, що детально описує нашу методологію та повні результати, який вже доступний разом із актуальними бенчмарками на нашому вебсайті. 📄 Прочитайте препринт: [ 🌐 Переглянути бенчмарк: [ 📋 Технічні характеристики бенчмарків: Індикації захворювання: ідіопатичний легеневий фіброз (IPF), атеросклероз та остеоартрит. Метрика: Відкликання клінічної цілі (CTR) — частка відомих клінічних мішеней на стадії, отриманих у прогнозах моделі, які найкраще оцінюються. Оцінені моделі: GPT-5, Claude Opus 4, Grok 4 та DeepSeek R1. 📊 Спостережувана продуктивність: Найкращий показник: GPT-5 продемонстрував найвищий клінічний відклик мішені серед усіх протестованих показань — 0,474 для атеросклерозу та 0,352 для IPF. Стратифікація продуктивності: Між моделями існує чіткий розрив; Claude Opus 4 посів друге місце (наприклад, 0,377 за атеросклерозом), тоді як Grok 4 і DeepSeek R1 загалом показали нижчі показники забору. Складний виклик хвороби: IPF виявився найскладнішим показником для базових показників, при цьому Grok 4 зафіксував найнижчий бал 0,199, що підкреслює складність міркування щодо складної фіброзної патології. Загальна тенденція: Дані виявляють значну стратифікацію у здатності міркування для виявлення біологічних цілей, з чіткими рівнями ефективності між поколіннями моделей. 🔄 Оновлена версія TargetBench з розширеними показниками захворювання з'явиться незабаром. Слідкуйте за оновленнями для подальших інсайтів. #ScienceAI #InsilicoBench #DrugDiscovery #AI #TargetIdentification #Bioinformatics #MachineLearning