AI蛋白质设计：从理论到实践，探索无限可能

《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。

天壤XLab在2022年10月推出了蛋白质自由设计平台xCREATOR，并针对高校师生提供免费使用。短短半年时间，该平台的用户数量已经达到了五六百人。最近，《科创板日报》记者了解到，天壤XLab的研发团队在今年2月底正式上线了自主研发的蛋白质扩散模型。

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：

在今年2月份，我国科创板的合成生物学领域上市公司凯赛生物引领潮流，宣布对AI蛋白质设计平台公司分子之心的新一轮战略投资；同样在2月份，一家初创企业赛得康成功完成了数千万元的种子轮融资，其AI设计蛋白模块成为了该公司的核心竞争优势。

“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。

在互联网科技不断迭代升级的今天，我们观察到AI技术已经迅速从TMT领域延伸至生物医药行业。其中，AI药物发现成为了投资界的一大热点。那么，这种趋势是否也会 applies to ChatGPT 药物发现呢？这值得我们进一步关注和研究。

▌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：

在我们这个时代，蛋白质的重要性不言而喻。它们由氨基酸通过各种不同的排列组合形成，从而塑造了其独特的三维结构。这个三维结构，就像一个人的脸庞，决定了蛋白质的功能。而在人工智能的世界里，这些氨基酸就像是我们生活中的数据，而那个决定蛋白质功能的脸庞，就是我们所说的三维结构，它类似于我们图像中的视觉元素。通过数据的处理和图像的训练，人工智能就能够实现自我生成，这就像是我们在创作艺术品，通过数据的排列组合，创造出新的蛋白质结构和功能。

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：

要创建针对目标蛋白质的特征参数，您可以在需求栏内填写相应的描述，如蛋白质序列的长度、结构的对称性、预期的功能、与配体的结合结构以及化学反应的计量等因素。接着，按下“运行任务”按钮，计算机迅速地显示出匹配这些参数的三维蛋白质结构。

去年10月，我们正式推出了具备特定功能的xCREATOR工作台，并对其进行了全面优化，以便更好地服务于广大高校师生。而在今年2月中旬，我们的团队又研发成功了一种全新的蛋白质扩散模型，并已正式上线。

“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。