AI与生物

人工智能生物工艺行业的得力助手,在数据处理、跨领域研究中显现优势,实验室应用尚处在探索阶段,人类专业仍不可或缺。未来将与生物工艺人员协作,共同推动行业进步。ChatGPT的出现为这一进程添砖加瓦,但创新人才仍是关键驱动力。

Nature文献《ProGen：大型语言模型生成功能蛋白序列》揭示了AI驱动的ProGen模型在蛋白质工程领域的潜力。这款基于条件标签的模型利用Pfam数据库中的大量人工标注数据进行预训练，学习家族特异性特征，生成与天然酶相似度高达80%-95%的功能蛋白质序列。实验表明，约72%的生成序列具有良好的表达性和催化活性，尤其在40-60%相似度范围内。然而，模型目前依赖自然同源序列，限制了创新结构和高活性酶序列的设计。未来研究应进一步探索AI在蛋白质设计中的创造力，以拓宽序列可设计性空间。

文章主要探讨了ChatGPT背后的强化学习技术RLHF，并暗示OpenAI的这项技术可能尚未公开，对人工智能和生命科学领域的潜在影响。特别是提到在药物发现和其他重要生命科学任务中存在挑战，暗示如果能够解决这些问题，将带来显著变革。此外，RLHF也被视为能改进蛋白质、多肽和AAV序列设计领域的一种技术，预示着该领域也将从AI生成内容（AIGC）的发展中受益。

这篇文章探讨了"先有蛋还是先有鸡"这一哲学与科学问题。从生物学和进化论的角度分析，答案可能是两个物种基因变异产生最早的蛋，或先有鸡的祖先逐渐演化成鸡。然而，该问题的答案取决于对'鸡蛋'定义的理解，实践中以常规定义即母鸡产出的卵为准，即先有鸡。这一讨论虽无实际影响，却强调了定义和逻辑在思考中的重要性。