【資料圖】

7月7日,在2023世界人工智能大會(WAIC)上,業界首個AI蛋白質生成大模型“NewOrigin”(中文名為“達爾文”)正式亮相。NewOrigin大模型的研發領軍人,清華大學智能產業研究院卓越訪問教授、分子之心創始人許錦波教授表示,AI蛋白質生成大模型瞄準創新藥設計、合成生物學等真實產業應用需求,將用一個模型滿足蛋白質生成全流程需求,未來大分子藥、新生物材料等蛋白質設計可實現“一鍵定制”。

據介紹,NewOrigin大模型通過學習千億級多模態大數據,可實現多模態定向生成,單模型就能滿足序列生成、結構預測、功能預測、從頭設計等蛋白質生成全流程需求,解決產業應用所需的特定功能蛋白質生成難題,并在真實的產業環境中評估效果與價值。

過去60多年中,蛋白質結構始終是困擾生物學家的終極難題之一,科學家們曾多次因解析血紅蛋白等重要蛋白質的三維結構被授予諾貝爾獎。這一局面在AI方法應用之后得到了根本性的改變。2016年,許錦波教授首次借助AI大幅提升了蛋白質結構預測精度,自此開始,AI徹底顛覆了蛋白質預測,并逐步影響蛋白質生成。但由于極高的技術壁壘,蛋白質生成至今仍是全球科學家尚未完全攻克的技術難題。

“大模型的出現將大大加速蛋白質生成技術的發展進程,并推動其在生物醫藥、合成生物學等領域應用,進而改變生物經濟的格局。”許錦波在演講中表示。當下ChatGPT等自然語言大模型的表現,讓各界對大模型機制信心倍增。但在蛋白質生成等專業垂直領域,通用的自然語言大模型能力十分有限。究其原因,生物領域的復雜數據、專業知識與應用場景,都與自然語言交互的通用場景相差甚遠,能力要求也更高。

因此,研發蛋白質生成大模型,除了必備的算法、算力、數據等基礎條件,還需要具備兩大專業進階能力:一是融合計算機、生物、物理等多學科,熟識AI、分子動力學、量子計算等多種方法,且能在實踐中并行考慮序列與結構、主鏈與側鏈、進化與組學的跨領域融合能力;二是走出實驗室,下沉至真實的產業環境,在需求、驗證、落地上貼近真實產業需求的能力。“具備這些能力和條件的團隊非常稀缺”,許錦波認為。

許錦波團隊從2019年開始使用預訓練機制研發蛋白質設計算法,通過整合結構預測、側鏈預測、蛋白-蛋白對接等多種技術,結合多種場景需求,目前已在改造或從頭設計蛋白質上取得了重要的突破。比如,設計功能類似但更小的蛋白質、能夠結合某個小分子的蛋白質、能夠結合某個底物的酶、基因編輯用的蛋白質等。

分子之心使用AI從頭設計的熒光蛋白

在此基礎上,分子之心開發了融合自然語言和蛋白語言的AI蛋白質生成大模型NewOrigin,它具備5重優勢:可以根據特定需求定制化生成蛋白質,比如針對某個靶點生成抗體,或針對某個底物生成特異性的酶等,實現“按需定制”;基于數千億多模態數據,NewOrigin可以進行多模態的輸入、輸出,比如生成具備某種特定功能的蛋白質序列,或生成某個蛋白質的三維結構信息等,滿足不同層次的應用所需;同時,為了評估生成效果,NewOrigin融合AI、分子動力學、量子計算等多種方法,形成多維反饋機制,來實現快速驗證和迭代。為了降低交互門檻,NewOrigin使用了融合自然語言交互的蛋白質生成模式,以滿足廣大不具備AI技術背景的生物學家的應用需求。更重要的是,NewOrigin大模型是真正面向產業需求的AI蛋白大模型,可基于工業級的應用反饋持續迭代,解決真實的產業需求。

為了更好的滿足應用所需,分子之心將在一站式蛋白質預測、優化、設計平臺“MoleculeOS”中集成NewOrigin大模型能力,并以NewOrigin為底層基礎,面向藥物設計、合成生物學等應用場景打造產業級的解決方案,進一步將NewOrigin大模型的能力在藥物設計、生物育種、環境保護、高性能材料等多個領域廣泛落地,驅動多領域創新。比如,以對話交互的方式,讓NewOrigin生成針對某個靶點的抗體,或生成具備某個底物特異性的酶等。

許錦波表示,AI和生物科技是當下全球科技競爭的重要戰略領域,蛋白質技術作為生物科技的底層技術,與AI融合創新是必由之路。AI蛋白質生成大模型的開發只是起點,更具價值的是將其真正應用于產業中,實現可編程、可預測的創新藥設計和生物制品開發,通過底層技術突破驅動生物經濟變革。