UCLA 用大模型 MAESTRO 筛选抗癌药组合，锁定小檗碱与恩扎卢胺
2026.10.23 · 事件 · 论文 · 媒体报道
UCLA 团队用 LLM 平台 MAESTRO 从 3592 种天然产物中筛出 150 个候选，23 个与恩扎卢胺协同。
UCLA 团队开发出基于大语言模型的平台 MAESTRO，用于发现克服癌症耐药性的药物组合。它从 3592 种天然产物中筛出 150 个高置信候选，体外实验中 23 个与前列腺癌药物恩扎卢胺产生协同抗癌效果，其中小檗碱表现突出。
- MAESTRO 用大语言模型整合药物机制与耐药通路知识
- 每个候选化合物被重复评估 100 次以上以检验排名一致性
- 从 3592 种天然产物中筛出 150 个高置信候选做实验
- 150 个中 23 个与恩扎卢胺协同，效果强于单药
- 小檗碱被列为极具前景的候选化合物
为什么值得看
展示 LLM 直接参与抗癌药物组合发现并给出可实验验证的候选。
适合谁关注
关注 AI 制药、肿瘤耐药研究与药物组合筛选的读者。