業(yè)界首個AI蛋白質生成大模型“達爾文”(NewOrigin)7日在2023世界人工智能大會（WAIC）上正式亮相,。其研發(fā)領軍人，清華大學智能產業(yè)研究院卓越訪問教授,、分子之心創(chuàng)始人許錦波表示,，AI蛋白質生成大模型瞄準創(chuàng)新藥設計、合成生物學等真實產業(yè)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,，該大模型通過學習千億級多模態(tài)大數據，可實現多模態(tài)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(yè)應用所需的特定功能蛋白質生成難題，并在真實的產業(yè)環(huán)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難題之一，這一局面在AI方法應用之后得到了根本性的改變,。2016年,，許錦波首次借助AI大幅提升了蛋白質結構預測精度，并開始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(fā)展進程，并推動其在生物醫(yī)藥,、合成生物學等領域應用,。”許錦波表示,。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(yè)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(yè)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(fā)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(yè)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(yè)環(huán)境，在需求,、驗證,、落地上貼近真實產業(yè)需求的能力。
據了解,，許錦波團隊從2019年開始使用預訓練機制研發(fā)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,。
在此基礎上，許錦波團隊開發(fā)了融合自然語言和蛋白語言的AI蛋白質生成大模型“達爾文”(NewOrigin),。它具備可以根據特定需求定制化生成蛋白質,、實現快速驗證和迭代、降低交互門檻等優(yōu)勢,。更重要的是,，該大模型是真正面向產業(yè)需求的AI蛋白大模型，可基于工業(yè)級的應用反饋持續(xù)迭代,，解決真實的產業(yè)需求,。
為了更好地滿足應用所需，分子之心以大模型為底層基礎,，面向藥物設計,、合成生物學等應用場景打造產業(yè)級的解決方案，并進一步將大模型的能力在藥物設計,、生物育種,、環(huán)境保護、高性能材料等多個領域廣泛落地,，驅動多領域創(chuàng)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(zhàn)略領域,，蛋白質技術作為生物科技的底層技術，與AI融合創(chuàng)新是必由之路,。AI蛋白質生成大模型的開發(fā)只是起點,，更具價值的是將其真正應用于產業(yè)中，實現可編程,、可預測的創(chuàng)新藥設計和生物制品開發(fā),，通過底層技術突破驅動生物經濟變革。（記者李志勇）
編輯：李會平
免責聲明：本文來自網絡收錄或投稿,，觀點僅代表作者本人,，不代表芒果財經贊同其觀點或證實其描述,，版權歸原作者所有。轉載請注明出處：http://lequren.com/1055566.html
溫馨提示：投資有風險,，入市須謹慎,。本資訊不作為投資理財建議。
