《科創(chuàng)板日報》3月7日訊（記者 金小莫）在需求欄中輸入對目標蛋白質(zhì)的描述參數(shù)，比如序列長度、結構對稱性、目標功能、結合配體結構、化學計量等；點擊“運行任務”鍵；很快，電腦屏幕上就顯示出了符合參數(shù)要求的蛋白質(zhì)三維結構。

(資料圖)

這是記者在天壤XLab看到的相關應用。

2022年10月，天壤XLab上線了蛋白質(zhì)自由設計平臺xCREATOR，面向高校師生免費開放，不足半年，該平臺已累積有五六百用戶。日前，《科創(chuàng)板日報》記者從天壤XLab處進一步了解到，今年2月下旬，團隊自主研發(fā)的蛋白質(zhì)擴散模型也已正式上線。

支撐這些平臺的技術就是蛋白質(zhì)結構的自動生成技術，后者也是ChatGPT的核心技術之一。另有跡象表明，自動生成技術在生命科學領域的應用正在逐漸增多：

今年2月，科創(chuàng)板合成生物學上市公司凱賽生物宣布領投AI蛋白質(zhì)設計平臺公司分子之心的新一輪戰(zhàn)略投資；同在2月，初創(chuàng)企業(yè)賽得康宣布完成了數(shù)千萬元的種子輪融資，AI設計+蛋白模塊是企業(yè)的關鍵詞。

“其實，ChatGPT所依托的AI生成技術并非新技術，很多公司都已經(jīng)有所積累并陸續(xù)開始應用了。之前有個語言模型BERT就被用于蛋白質(zhì)生成了，取得了不錯的成果?！币患倚袠I(yè)企業(yè)對記者表示，只不過，當ChatGPT走熱之后，AI生成技術在生命科學領域的應用也逐漸走進了公眾的視野。

記者注意到，當互聯(lián)網(wǎng)科技向AI迭代升級后，很快，AI的應用就從TMT涌向了生物醫(yī)藥，AI+藥物發(fā)現(xiàn)一度成為一級市場的投資熱詞；類似的情況，會不會也發(fā)生在ChatGPT+藥物發(fā)現(xiàn)上呢？

▌氨基酸恰類似于大數(shù)據(jù)

記者了解到，自動生成技術之所以可應用到蛋白質(zhì)的發(fā)現(xiàn)上，有這樣的科學邏輯支撐：

蛋白質(zhì)是由氨基酸通過不同的排列組合聚合而成，每個蛋白質(zhì)的三維結構又決定了它的功能作用。在算法人的眼中，氨基酸就類似于數(shù)據(jù)、蛋白質(zhì)的三維結構類似于圖像，通過數(shù)據(jù)及圖像的不同排列組合訓練，AI就能實現(xiàn)自生成。

在業(yè)內(nèi)，這一邏輯也被稱為AIGP，即AI Generated Protein（AI生成蛋白質(zhì)）。

在天壤XLab，記者看到了相關應用：

在需求欄中輸入對目標蛋白質(zhì)的描述參數(shù)，比如序列長度、結構對稱性、目標功能、結合配體結構、化學計量等；點擊“運行任務”鍵；很快，電腦屏幕上就顯示出了符合參數(shù)要求的蛋白質(zhì)三維結構。

去年10月，具備該功能的xCREATOR工作臺正式上線，面向高校師生免費開放；今年2月下旬，團隊自主研發(fā)的蛋白質(zhì)擴散模型也正式上線。

“我們還附加了一系列設計蛋白質(zhì)的分析功能，可以對各類由算法自動生成的蛋白質(zhì)結構進行打分，分數(shù)越高表示該自動生成的蛋白質(zhì)結構的可實現(xiàn)性越高?！碧烊繶Lab實驗室負責人苗洪江博士介紹稱。

在ChatGPT中，需要人工對數(shù)據(jù)進行標注、打分，以此來訓練算法更會聊天；AIGP也是類似的邏輯，但不同的是，如果科研人員要想知道某一由算法自動生成的蛋白質(zhì)，其可實現(xiàn)性到底高不高，還需要通過進一步的濕實驗來驗證，因此，AIGP的技術壁壘也就更高。

為了降低這一技術門檻，引入打分模型算法是很多企業(yè)的選擇。

前述行業(yè)企業(yè)對《科創(chuàng)板日報》記者進一步解釋了生成算法與打分算法的工作邏輯：首先，由生成模型算法生成蛋白質(zhì)；其次，由人工對經(jīng)打分模型篩選出的、得分較高的蛋白質(zhì)，再進行實驗驗證，并反饋給打分模型算法?！岸呔拖窭项B童的左右兩手互搏，通過不斷增強學習，來提高算法的質(zhì)量?！?/p>

▌探索大分子宇宙

有了AIGP，對于科研人員來說，最大的獲益無疑是加速了研發(fā)的進展。

“以100個氨基酸長度的蛋白質(zhì)為例，其序列的排列組合有高達20^100=1.3×10^130種可能！相比之下，人類可觀測宇宙總原子數(shù)量僅有10^82，以人力來測試、構想這樣龐大的蛋白質(zhì)空間可以說是不可能完成的任務?！泵绾榻Q，如今AI模型能夠精準定位到符合要求的蛋白質(zhì)再由研發(fā)人員進行實驗檢驗，蛋白質(zhì)設計效率前所未有的提升使其終于可以走進產(chǎn)業(yè)應用中去。

更重要的是，過去基于偶然性的開發(fā)工作也極大限制了人類對于蛋白質(zhì)的開發(fā)，人類已知的天然蛋白質(zhì)數(shù)量為10^15，而潛在的從頭設計蛋白質(zhì)數(shù)量遠超于已知天然蛋白質(zhì)。

以人體內(nèi)的蛋白質(zhì)來說，“目前大多數(shù)人類蛋白質(zhì)功能研究都聚焦于約5000種研究較多的人類蛋白質(zhì)，而人體內(nèi)還存在著一個巨大的蛋白質(zhì)世界。事實上，這些功能未知的蛋白質(zhì)可能掌握著打開解決人類重大疾病的鑰匙，如癌癥、阿爾茲海默癥以及多種罕見病?！泵绮┦拷忉尫Q。

除生命科學外，新材料、新能源和食品等領域?qū)δ艿鞍踪|(zhì)也存有巨大的需求。“整個蛋白質(zhì)世界還擁有巨大的潛在探索空間，蘊藏著無窮無盡的資源，具有極大應用價值！”天壤CEO薛貴榮博士表示，蛋白質(zhì)領域的ChatGPT會成為像水、電、煤一樣成為工業(yè)發(fā)展支撐，開辟出全新的科學時代。

《科創(chuàng)板日報》記者進一步了解到，如何獲取行業(yè)數(shù)據(jù)、如何通過實驗驗證來對數(shù)據(jù)進行標注進而得到高質(zhì)量的反饋數(shù)據(jù)仍然是限制AIGP大爆發(fā)的主要攔路虎。基于此，開源共享仍是目前行業(yè)企業(yè)們的主要選擇。

關鍵詞：