Hari 5 #ScienceAIBench: Identifikasi Target 🎯 Kami melanjutkan seri rilis harian kami dengan Hari ke-5, mengalihkan fokus dari sifat molekuler ke tantangan kompleks penemuan target biologis. Mengidentifikasi target terapeutik yang tepat adalah langkah paling penting dalam pengembangan obat untuk menghindari kegagalan klinis yang mahal. Hari ini, kami menggali lebih dalam bioinformatika dan memperkenalkan hasil untuk modul TargetBench. Keberhasilan dalam penemuan obat dimulai dengan target yang tepat. Tolok ukur hari ini mengevaluasi kemampuan model AI perbatasan untuk memulihkan target tahap klinis yang mapan untuk penyakit fibrotik kompleks, membedakan sinyal biologis sejati dari kebisingan. Kami juga telah menerbitkan pracetak yang merinci metodologi dan hasil lengkap kami, tersedia sekarang bersama data benchmark langsung di situs web kami. 📄 Baca pracetak: [ 🌐 Lihat tolok ukur: [ 📋 Spesifikasi Tolok Ukur: Indikasi Penyakit: Fibrosis Paru Idiopatik (IPF), aterosklerosis, dan osteoartritis. Metrik: Clinical Target Recall (CTR) — proporsi target tahap klinis yang diketahui diambil dalam prediksi peringkat teratas model. Model yang Dievaluasi: GPT-5, Claude Opus 4, Grok 4, dan DeepSeek R1. 📊 Kinerja yang diamati: Berkinerja Terbaik: GPT-5 menunjukkan Penarikan Target Klinis tertinggi di semua indikasi yang diuji, mencapai 0,474 untuk Aterosklerosis dan 0,352 untuk IPF. Stratifikasi Kinerja: Ada kesenjangan yang berbeda antar model; Claude Opus 4 menempati peringkat kedua (misalnya, 0,377 untuk Aterosklerosis), sedangkan Grok 4 dan DeepSeek R1 umumnya menunjukkan tingkat pengambilan yang lebih rendah. Tantangan Penyakit Kompleks: IPF terbukti menjadi indikasi paling sulit untuk baseline, dengan Grok 4 mencatat skor terendahnya 0,199, menyoroti kesulitan penalaran atas patologi fibrosis kompleks. Tren Umum: Data mengungkapkan stratifikasi yang signifikan dalam kemampuan penalaran untuk penemuan target biologis, dengan tingkat kinerja yang jelas antara generasi model. 🔄 Versi terbaru TargetBench dengan indikasi penyakit yang diperluas akan segera hadir. Nantikan wawasan lebih lanjut. #ScienceAI #InsilicoBench #DrugDiscovery #AI #TargetIdentification #Bioinformatics #MachineLearning