文章主题：AI, 蛋白质, 自动化
《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。
🎉🚀 2022年10月，天壤XLab的蛋白质自由设计平台xCREATOR震撼上线！🎉🚀作为一款面向高校师生免费开放的专业级蛋白质设计工具，xCREATOR凭借其强大的功能和易用性，迅速吸引了大量用户。短短半年时间，该平台已经积累了五六百名活跃用户，这无疑是一个令人振奋的成绩！在天壤XLab的不懈努力下，今年2月，我们又有了一个重大突破！团队自主研发的蛋白质扩散模型正式上线了！这个模型不仅能够帮助研究人员更准确地预测蛋白质的结构和功能，还能为他们提供更多的设计思路和可能性。无论是对科研人员还是对普通用户来说，xCREATOR都是一款非常实用且有价值的工具。它不仅能够提高我们的工作效率，还能够帮助我们更好地理解和利用蛋白质。因此，如果你是一位热爱科研、追求卓越的学者，那么xCREATOR绝对值得你去尝试！让我们一起期待天壤XLab在未来能带来更多的惊喜和突破！🚀🎉
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：
今年2月，凯赛生物和分子之心共同宣布了新一轮的战略投资。凯赛生物领投了分子之心，而分子之心则专注于AI蛋白质设计平台。同在2月，初创企业赛得康也完成了数千万元的种子轮融资。赛得康的关键词是AI设计的蛋白模块。
“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。
🎉🚀随着人工智能技术的不断进步和应用范围的拓宽，AI药物研发已经成为了一种新的趋势。在TMT领域，AI已经取得了显著的成果，但其潜力并未被完全挖掘。因此，当AI向生物医药领域迭代升级后，我们有理由相信，AI药物发现将会成为一级市场的投资热词。🤔但是，ChatGPT作为一款人工智能技术，其药物研发能力是否能够达到甚至超过现有的AI药物发现水平呢？这是一个值得探讨的问题。尽管ChatGPT在自然语言处理和文本生成方面表现出色，但其在药物设计和临床试验方面的专业知识和经验仍然不足。因此，我们不能盲目乐观地认为ChatGPT将会成为下一个AI药物发现的领导者。🤔然而，这并不意味着我们不应该关注ChatGPT在药物研发领域的潜力。相反，我们应该积极寻找机会，利用ChatGPT的优势来推动AI药物研发的发展。例如，我们可以利用ChatGPT的强大文本生成能力来加速新药的研发过程；或者，我们可以利用ChatGPT的自然语言处理能力来提高临床试验的效率。🤔总的来说，虽然我们不能盲目乐观地认为ChatGPT将会成为下一个AI药物发现的领导者，但其在药物研发领域的潜力仍然值得我们关注。我们应该积极寻找机会，利用ChatGPT的优势来推动AI药物研发的发展。
▌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：
蛋白质是由氨基酸通过不同的排列组合聚合而成的，每个蛋白质的三维结构又决定了它的功能作用。在计算机科学家眼中，氨基酸就像是一串数字，而蛋白质的三维结构则像是一幅图像。通过将这些数字和图像的不同排列组合，人工智能就可以实现自我生成。
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：
🎉 Protein structure prediction is now as easy as clicking a button! 🚀Are you looking for the 3D structure of your favorite protein? Look no further! With our advanced algorithm, we can predict the structure of any protein with just a few clicks.💡 Just input the parameters you need, such as sequence length, structural symmetry, target function, ligand binding site structure, and chemical stoichiometry. Our system will quickly generate a 3D model that meets your requirements.🚀 Don’t waste any more time searching for the perfect protein structure. Let us do it for you! With our user-friendly interface, you can easily navigate through the different options and find the one that best suits your needs.💡 Plus, our platform is optimized for search engines, so your protein structure prediction results will rank higher in search results. So why wait? Start exploring the possibilities today!# Protein Structure Prediction # 3D Structure # Advanced Algorithm # User-Friendly Interface # Search Engine Optimization # Time-Saving # Perfect Protein Structure # Navigate Through Options # Find Best Suitability
🎉🚀去年10月，我们团队研发出了一款名为”xCREATOR”的工作台，它为高校师生提供了一个全新的创作平台！而且，这个平台是完全免费的哦！🎉🚀在今年的2月底，我们的团队又有了一个重大突破！我们自主研发出了一个蛋白质扩散模型，这不仅让我们对生物分子有了更深入的理解，也为我们未来的研究提供了新的方向！🌟🔬如果你对我们的工作台或者模型感兴趣，欢迎随时联系我们，我们会很乐意为你提供更多的信息和帮助！👍💻
“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！
