文章主题：天壤XLab, 蛋白质自由设计, AI药物发现
《科创板日报》3月7日讯（记者 金小莫） 在需求栏中输入对目标蛋白质的描述参数，比如序列长度、结构对称性、目标功能、结合配体结构、化学计量等；点击“运行任务”键；很快，电脑屏幕上就显示出了符合参数要求的蛋白质三维结构。
这是记者在天壤XLab看到的相关应用。
🌟【科技巨头】天壤XLab在2022年10月引领创新，推出了专为高校师生设计的蛋白质自由平台——🚀xCREATOR，仅几个月就吸引了超过500名热情用户！🎉🔥最新消息！团队的智慧结晶——protein扩散模型，在今年2月下旬正式亮剑，为生物科技领域带来了革命性的突破。🛡️这个专注于教育与研究的平台，不仅展示了天壤XLab强大的技术实力，也展现了其对知识分享的诚意和决心。🌍欲了解更多关于xCREATOR及团队动态，敬请关注我们的官方渠道，让我们一起探索蛋白质设计的新可能！💡记得用#天壤XLab #蛋白质自由设计 #科技创新等标签，让搜索引擎找到你的兴趣所在哦！🔍
支撑这些平台的技术就是蛋白质结构的自动生成技术，后者也是ChatGPT的核心技术之一。另有迹象表明，自动生成技术在生命科学领域的应用正在逐渐增多：
🌟凯赛生物引领创新，科创板再谱生科新篇章！💡分子之心获凯赛巨额战略投资，AI蛋白质设计领域备受瞩目。🚀赛得康初创企业乘风破浪，种子轮千万融资彰显潜力。🔍”AI蛋白模块”成为企业核心竞争力，标志着生物科技与AI的深度融合正加速前行。🌟欲了解更多生物科技前沿动态，敬请关注！🌐
“其实，ChatGPT所依托的AI生成技术并非新技术，很多公司都已经有所积累并陆续开始应用了。之前有个语言模型BERT就被用于蛋白质生成了，取得了不错的成果。”一家行业企业对记者表示，只不过，当ChatGPT走热之后，AI生成技术在生命科学领域的应用也逐渐走进了公众的视野。
🎉🚀随着AI技术的不断演进，它已不再局限于科技领域的革新，而是迅速渗透到医药生物行业，AI药物研发成为了炙手可热的投资焦点。就像互联网科技引领的潮流一样，ChatGPT是否也会成为药物发现领域的新宠儿呢？🔥🔍
▌氨基酸恰类似于大数据
记者了解到，自动生成技术之所以可应用到蛋白质的发现上，有这样的科学逻辑支撑：
🌟了解了！让我们以专业且生动的方式阐述这一科学原理。氨基酸，是构建生命大厦的基本砖块，它们以独特的方式链接形成蛋白质，每个蛋白质的立体构型犹如生命的密码，决定了其执行特定功能的能力。在人工智能的世界里，氨基酸就如同数据的原子，而蛋白质的三维结构则是这些数据的视觉呈现——图像。通过AI对数据和图像的深度学习与创新组合，它能创造出独一无二的功能模型，就像我们训练AI生成复杂的算法一样。记得优化词汇以利于SEO哦！😊
在业内，这一逻辑也被称为AIGP，即AI Generated Protein（AI生成蛋白质）。
在天壤XLab，记者看到了相关应用：
🎉🚀只需几步，打造理想蛋白质立体模型！🔍 输入你的需求，如🌟蛋白序列长度🌟、对称性密码️、功能使命🎯，以及配体伙伴的信息ligand。然后，一键点击”启动任务”🌍，我们的AI智慧瞬间响应，为你揭示精准的三维结构solution。👀 不用担心化学比例calculation，一切交给专业！🏆你的成功，就差这轻轻一按！
🌟【创新力爆棚】🚀去年10月，教育科技领域的里程碑——xCREATOR工作台以公益姿态闪耀登场，专为全球高等教育者和学子们量身打造！🎉它在那时就开启了面向全球免费开放的大门，让知识无界，智慧共享。📚今年2月下旬，团队的又一力作——蛋白质扩散模型也迎来了它的公测时刻，这无疑是科研领域的革命性突破，以科技力量揭示生命奥秘。🔬这两项重要成果不仅展示了xCREATOR的强大实力，也预示着教育信息化和生物科技的未来趋势。🏆让我们共同期待他们在未来为教育带来更多革新与可能！🌍
“我们还附加了一系列设计蛋白质的分析功能，可以对各类由算法自动生成的蛋白质结构进行打分，分数越高表示该自动生成的蛋白质结构的可实现性越高。”天壤XLab实验室负责人苗洪江博士介绍称。
在ChatGPT中，需要人工对数据进行标注、打分，以此来训练算法更会聊天；AIGP也是类似的逻辑，但不同的是，如果科研人员要想知道某一由算法自动生成的蛋白质，其可实现性到底高不高，还需要通过进一步的湿实验来验证，因此，AIGP的技术壁垒也就更高。
为了降低这一技术门槛，引入打分模型算法是很多企业的选择。
前述行业企业对《科创板日报》记者进一步解释了生成算法与打分算法的工作逻辑：首先，由生成模型算法生成蛋白质；其次，由人工对经打分模型筛选出的、得分较高的蛋白质，再进行实验验证，并反馈给打分模型算法。“二者就像老顽童的左右两手互搏，通过不断增强学习，来提高算法的质量。”
▌探索大分子宇宙
有了AIGP，对于科研人员来说，最大的获益无疑是加速了研发的进展。
“以100个氨基酸长度的蛋白质为例，其序列的排列组合有高达20^100=1.3×10^130种可能！相比之下，人类可观测宇宙总原子数量仅有10^82，以人力来测试、构想这样庞大的蛋白质空间可以说是不可能完成的任务。”苗洪江称，如今AI模型能够精准定位到符合要求的蛋白质再由研发人员进行实验检验，蛋白质设计效率前所未有的提升使其终于可以走进产业应用中去。
更重要的是，过去基于偶然性的开发工作也极大限制了人类对于蛋白质的开发，人类已知的天然蛋白质数量为10^15，而潜在的从头设计蛋白质数量远超于已知天然蛋白质。
以人体内的蛋白质来说，“目前大多数人类蛋白质功能研究都聚焦于约5000种研究较多的人类蛋白质，而人体内还存在着一个巨大的蛋白质世界。事实上，这些功能未知的蛋白质可能掌握着打开解决人类重大疾病的钥匙，如癌症、阿尔兹海默症以及多种罕见病。”苗博士解释称。
除生命科学外，新材料、新能源和食品等领域对功能蛋白质也存有巨大的需求。“整个蛋白质世界还拥有巨大的潜在探索空间，蕴藏着无穷无尽的资源，具有极大应用价值！”天壤CEO薛贵荣博士表示，蛋白质领域的ChatGPT会成为像水、电、煤一样成为工业发展支撑，开辟出全新的科学时代。
《科创板日报》记者进一步了解到，如何获取行业数据、如何通过实验验证来对数据进行标注进而得到高质量的反馈数据仍然是限制AIGP大爆发的主要拦路虎。基于此，开源共享仍是目前行业企业们的主要选择。
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
