AI与生物

天壤XLab推出蛋白质自由设计平台xCREATOR，自2022年初上线以来，已吸引五六百名用户。该平台利用AI技术生成蛋白质三维结构，显著提高蛋白质设计效率。此外，AI算法还可对生成的蛋白质结构进行评分，提高其可靠性。这不仅加速了研发进程，还为人类提供了更多可能性，如打开解决人类重大疾病的钥匙。

会写论文，能编代码，做Excel表轻轻松松，吟诗作对也不在话下……被称为“史上最强聊天机器人”的ChatGPT最近火遍全球，引爆人类关于人工智能新一轮讨论热潮。在医疗界，ChatGPT同样备受关注。作为美国OpenAI公司开发的AI语言模型，ChatGPT据称在一项研究中已经通过美国执业医师执照考试。ChatGPT是自然语言处理（NLP）中一项引人瞩目的进展，它阅览了互联网上几乎所有数据，并在超级复杂的模型之下进行深度学习。在ChatGPT的影响下，科研范式的变革和新的产业业态将不断产生。自然语言算法可以快速分析语言并预测对话中的下一步，它也可以用于生物数据。如果，ChatGPT高效的自然语言处理能力与新药研发结合，无疑会带来巨大的想象空间与惊喜。日前，医图生科对外宣布了其正在构建创新领域的「ChatGPT」模型AceGPT的消息。AceGPT是一种AIGC（人工智能内容生成）模型，旨在提高药物研发效率，降低药物研发门槛，构建AI药物研发基础设施。伴随AceGPT的推出，整个AI新药研发行业由此产生的变革指日可待，医图生科或许能够成为创新药行业的OpenAI……成立于2021年的医图生科作为一家专业从事AI新药研发的企业，正持续获得业界关注。医图生科不仅在技术上是全球领先的AI驱动药物研发企业，同时也创造了独特的、充满潜力和希望的商业模式，即通过自主知识产权的AI新药研发平台，发现有较大临床价值的新靶点，或经过与顶级科研、与临床机构合作，共同推进国际创新药物的研发，并在后期阶段通过商业化的授权给国际一线制药企业来完成商业转化。公司专注把前沿AI技术与新药研发相结合，汇集了国内外顶尖大学、研究机构的科学研究型人才以及在国内外知名药企拥有多年从业经验的专业团队，兼具严谨科学方法论及以AI造福人类的愿景，是把AI用于解决生物制药领域重大挑战的具体实践。成立之初，医图生科就开始使用AI研发新药，发现全新的药物靶点。针对更前沿的靶点发现其有效的化学分子及蛋白结构。目前，公司已凭借“医图AceMap智能药物研发平台”实现了AI新药研发领域的技术突破，以三大AI智能药物研发平台：医图AceMap智能药物(靶点及基因)研发平台、AceMap智能药物(分子设计)研发平台、医图AceMap智能药物(合成生物学、抗衰物质)研发平台，在AI新药研发领域筑起技术高地。公司AI新药研发平台在全新靶点的背景下完成有效活性药物设计并进行化学合成/生物表达的时间可以控制在2-3个月，比传统企业减少约70%，研发成本也降至传统药企的10-20%。AI自动生成化学分子过程ChatGPT的爆火，使医图生科进一步将目光聚焦在生成模型领域，其目前正在搭建创新药领域的ChatGPT模型：AceGPT，是一种AIGC（人工智能内容生成）模型，旨在提高药物研发效率，降低药物研发门槛，构建AI药物研发基础设施。该模型与医图AceMap智能药物研发平台融合之后，将为新药研发行业创造更多奇迹。 AceGPT融合医图AceMap智能药物 研发平台 进一步为创新药研发提速 医图生科小分子平台能够完成针对全新靶点的小分子DeNovo生成、成药性/可靶性评估、高通量虚拟分子筛选、ADME/T预测，以及化合物合成，最终推动到IND。AceGPT的研发可进一步加速小分子创新药的设计和合成。AceGPT内部包含了SE3（旋转平移对称群）图表征模块和基于条件的生成模块，在已知特定蛋白质靶点三维结构信息前提下，没有任何已知有效化合物及备选筛选分子库情况下，AceGPT可以生成出满足条件的创新先导化合物分子三维结构，这可以帮助研究人员快速地设计出在临床前和临床研究中成功几率更高的药物。创新药的另一种技术方面，大分子药物设计一直是制药领域的重大难题之一。医图生物大分子及合成生物学AI平台的核心在于将基因工程技术和人工智能深度结合。医图生科大分子AceGPT融合，能够更便捷地完成从头设计（De Novo）蛋白质，AceGPT包含对于蛋白质数据库氨基酸序列表征的大语言模型（LLM），以及蛋白质结构数据表示的模型，在设计新蛋白质时，输入可以是对蛋白质某一个结构区域的文字描述、实现具体功能的描述，也可以是蛋白质形状的描述，AceGPT对上述描述文本序列信息进行编码，作为生成新蛋白质的控制条件，在扩散模型（Diffusion）的学习下，生成符合要求的蛋白质序列和结构，保证所需特性的新蛋白质的精度和可合成性，这一革命性的进程，将推动蛋白质设计进入新时代。AceGPT融合医图生物制药学术型应用 解决行业实战问题除了与现有新药研发平台融合应用，医图生科即将推出的AceGPT还将与生物制药的学术型应用融合。生物制药是一个复杂的工程，需要找到不同尺度、不同现象的新的guiding principle，来填补中间尺度的结构和规律，这就要求能够把生物、化学、物理、数学领域的不同学科背景的专家一起参与进来才能有进一步的发现。重要的是找到这样的人，将其有效地组织起来，为他们提供足够的资源。AceGPT将发挥强大的学术功能，用大量的论文、学术会议语料进行训练，对海量信息进行提炼和整合之后，AceGPT能够在药物研发早期，根据研究人员提出的问题，快速生成相关疾病、基因突变、蛋白质、药物、靶点、化合物、临床实验等问题的解答和出处，为不同领域的研发人员提供快速了解非本专业领域知识的途径，以此减少不同领域专家的沟通成本，AceGPT这一新药研发领域「ChatGPT」将使药物研发早期调研和中后期新技术评估阶段事半功倍，解决医药上下游行业从学术到实战的各类问题。蛋白质与DNA相互作用 AceGPT已经成为医图生科研发管线的核心引擎 医图生科的研发团队具备完整的First in Class药物从研发到上市的全流程经验，且其自主搭建的研发平台覆盖了药物IND所需的全部技术环境，将现代计算机AI技术应用在了药物研发的各个环节，包括靶点筛选、先导化合物(大小分子)发现、药靶结构探索分析、药物及靶点分子动力学模拟、不良反应分析、免疫原性判断等。目前医图生科共有8条在研管线主要分布在抗肿瘤、抗衰老及罕见病三个方向，2条完成了里程碑License Out锁定。8条管线主要为分别是重组门冬酰胺酶、鳞状细胞癌，脑动静脉血管畸形、AGA雄性激素脱发、重组胶原蛋白、天然抗衰药物组合、乳腺癌早期筛查、细胞芯片与免疫治疗、太空菌群药物。其中具备全新胺基酸结构及重组表达工艺的重组门冬酰胺酶，符合国家一类创新药分类。该项目经过短短8个月的时间就进入Pre-IND阶段，极大地体现了AI驱动新药研发的效率。一旦医图生科AceGPT构建完成，并深入到多个自有管线项目的应用，在实践中不断迭代优化，可以预见，医图生科管线的推进速度将更加惊人。人工智能和生物技术的研究正处于黄金时期。语言生成式模型 ChatGPT 在对话系统领域取得了很大的突破。ChatGPT不单单是一个产品，它是一种技术进步方向，意味着人工智能在自然语言处理领域已经从智能音箱的娱乐对话，转向更高智能水平的解决实际问题。过去两年间，包括默克公司(Merck & Co.)、罗氏控股(Roche Holding AG)旗下Genentech在内的企业以及许多初创企业如医图生科，已开始借助AI自然语言处理研发新药。这些企业希望这种方法不仅可以提升现有药物和候选药物的有效性，还能开启一扇通往未知分子的大门，届时人们或许可以利用这些分子来治疗目前难以找到更有效药物的疾病。ChatGPT的横空出世，迅速火爆全球之后，一场由医图生科AceGPT在创新药研发领域掀起的变革一触即发……

ChatGPT是OpenAI去年底推出的一款自然语言处理聊天机器人程序,能够理解人类语言并生成相应的回答。通过基于概率模型的随机选择和递归搜索,ChatGPT可以给出针对不同问题的回答,但答案存在一定的随机性。除了基于反馈模型的增强学习,ChatGPT还具备一些基于规则的方法。该程序具有简单的结构和易于使用的特点,适合初学者学习和实践。但是,它也存在一些限制和缺陷,例如仅能处理单行序列的FASTA文件,无法处理多行序列,且gene name的判断存在一定的误报率。

新华社北京11月24日电 一项日前发表在《美国医学会杂志·眼科学卷》杂志上的新研究说，ChatGPT背后的技术可以伪造“看似真实”的试验数据，看上去能“支持”未经验证的科学假说。 ChatGPT是由美国开放人工智能研究中心（OpenAI）开发的基于大语言模型的聊天机器人程序。今年3月，OpenAI推出支持ChatGPT运行的大语言模型新版本GPT-4。此后，GPT-4又被拓展了高级数据分析（ADA）功能。ADA是一种结合了计算机编程语言Python的模型，可以执行统计分析和创建数据可视化。 据英国《自然》杂志网站近日报道，意大利卡坦扎罗大学等机构研究人员先要求GPT-4 ADA创建一个关于圆锥角膜患者的数据集。发生这种角膜病变的部分患者需接受角膜移植，主要有两种手术方法：一种是穿透性角膜移植术，即切除全层病变角膜，以捐赠者的健康组织取代；另一种是深板层角膜移植术，仅替换病变的部分角膜组织，保留角膜内层完整。 随后，研究人员要求GPT-4 ADA编造临床数据，以支持深板层角膜移植术比穿透性角膜移植术效果更好的结论。 人工智能生成数据包含160名男性和140名女性参与者。数据显示，接受深板层角膜移植术的参与者在视力测量和眼部成像测试中得分均高于接受穿透性角膜移植术的参与者。但该“结论”与真实临床试验结果并不一致。2010年报告的一项有77名参与者的试验显示，在术后长达两年时间内，两种手术效果相似。 英国曼彻斯特大学生物统计学家杰克·威尔金森等人检查这些虚假数据发现，许多参与者性别与名字不匹配，术前和术后进行的视力测量及眼部成像测试之间缺乏相关性等。 人工智能捏造看似合理的科学数据的能力增加了学术界对科研诚信的担忧。研究人员表示，这项研究的目的就是希望对此提高警惕。 来源：新华网 举报/反馈