2023年7月，首屆國(guó)際基礎(chǔ)科學(xué)大會(huì)在北京隆重召開(kāi)。知名計(jì)算生物學(xué)家、分子之心創(chuàng)始人、清華大學(xué)智能產(chǎn)業(yè)研究院（AIR）卓越訪問(wèn)教授許錦波榮獲大會(huì)前沿科學(xué)獎(jiǎng)。
首屆國(guó)際基礎(chǔ)科學(xué)大會(huì)由國(guó)際著名數(shù)學(xué)家丘成桐先生倡議發(fā)起，大會(huì)針對(duì)過(guò)去五年全球數(shù)學(xué)、物理、計(jì)算機(jī)與信息科學(xué)三大基礎(chǔ)科學(xué)領(lǐng)域發(fā)表的論文，由諾貝爾獎(jiǎng)、菲爾茨獎(jiǎng)、圖靈獎(jiǎng)等國(guó)際大獎(jiǎng)得主與世界各地的科學(xué)院院士共160多位評(píng)委共同評(píng)選出最具價(jià)值的研究成果，授予前沿科學(xué)獎(jiǎng)。
許錦波教授作為《深度學(xué)習(xí)驅(qū)動(dòng)的基于距離的蛋白質(zhì)折疊》的唯一作者而獲得此項(xiàng)大獎(jiǎng)。這項(xiàng)研究在全球范圍內(nèi)首次將AI應(yīng)用至蛋白質(zhì)氨基酸（原子）之間的距離預(yù)測(cè)，進(jìn)一步提升了蛋白質(zhì)三維結(jié)構(gòu)預(yù)測(cè)的精度，且讓科學(xué)家僅需使用筆記本電腦就能完成這項(xiàng)工作。該成果2019年發(fā)表于美國(guó)國(guó)家科學(xué)院院刊（PNAS），對(duì)AI蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)領(lǐng)域影響深刻，被廣泛應(yīng)用于AI蛋白質(zhì)建模、優(yōu)化與設(shè)計(jì)中。
(相關(guān)資料圖)
當(dāng)前，生物經(jīng)濟(jì)正成為新經(jīng)濟(jì)增長(zhǎng)點(diǎn)，作為其底層基礎(chǔ)的蛋白質(zhì)相關(guān)研究，也在AI的加持下提速爆發(fā)。解釋蛋白質(zhì)的三維結(jié)構(gòu)進(jìn)而理解其功能，是理解生命機(jī)制的重要一步，也是藥物設(shè)計(jì)、合成生物學(xué)產(chǎn)品研發(fā)的重要基礎(chǔ)。但這一問(wèn)題非常具有挑戰(zhàn)性，在過(guò)去近60年中，科學(xué)家們持續(xù)研究但進(jìn)展緩慢。2016年，許錦波教授將AI方法引入蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)中，一舉實(shí)現(xiàn)了預(yù)測(cè)準(zhǔn)確度的跨越式提升，為此后AlphaFold等方法的出現(xiàn)及蛋白質(zhì)相關(guān)研究奠定了關(guān)鍵基礎(chǔ)。許錦波教授也因此被業(yè)界譽(yù)為“全球AI蛋白質(zhì)折疊奠基人”。2019年，許錦波教授將研究范圍擴(kuò)展至AI蛋白質(zhì)優(yōu)化與從頭設(shè)計(jì)，并將預(yù)訓(xùn)練機(jī)制引入其中，進(jìn)一步探索AI蛋白質(zhì)技術(shù)的產(chǎn)業(yè)應(yīng)用路徑。
近期，許錦波團(tuán)隊(duì)在AI蛋白質(zhì)結(jié)構(gòu)設(shè)計(jì)領(lǐng)域進(jìn)展頻頻。今年6月，發(fā)布了全球首創(chuàng)的可同時(shí)進(jìn)行蛋白質(zhì)側(cè)鏈預(yù)測(cè)和序列設(shè)計(jì)的AI算法《An end-to-end deep learning method for protein side-chain packing and inverse folding》，在精度、速度上取得大幅提升，并十分易用，這有利于它在工業(yè)領(lǐng)域被廣泛應(yīng)用。同期，許錦波教授在國(guó)際權(quán)威學(xué)術(shù)期刊《科學(xué)》上發(fā)表了與基因測(cè)序巨頭Illumina 的聯(lián)合研究成果《The landscape of tolerated genetic variation in humans and primates》,用AI蛋白技術(shù)分析靈長(zhǎng)類動(dòng)物基因組的變異機(jī)制，為個(gè)性化基因醫(yī)學(xué)的發(fā)展夯實(shí)理論基礎(chǔ)。
在7月召開(kāi)的2023世界人工智能大會(huì)（WAIC）上，許錦波領(lǐng)銜的分子之心團(tuán)隊(duì)發(fā)布了業(yè)界首個(gè)AI蛋白質(zhì)生成大模型“NewOrigin”（中文名“達(dá)爾文”）， 瞄準(zhǔn)創(chuàng)新藥設(shè)計(jì)、合成生物學(xué)等領(lǐng)域真實(shí)產(chǎn)業(yè)應(yīng)用需求，用一個(gè)模型滿足蛋白質(zhì)生成全流程需求，讓未來(lái)的大分子藥、新生物材料等蛋白質(zhì)設(shè)計(jì)實(shí)現(xiàn)“一鍵定制”。
許錦波教授認(rèn)為，相對(duì)于通用領(lǐng)域，大模型的價(jià)值或?qū)⒃诖诡愵I(lǐng)域先行爆發(fā)，尤其是蛋白質(zhì)生成。蛋白質(zhì)作為生命的語(yǔ)言，其氨基酸序列與自然語(yǔ)言類似，天然適用大語(yǔ)言模型，大模型有望將蛋白質(zhì)設(shè)計(jì)從“編程時(shí)代”提升至“智能生成時(shí)代”。許錦波教授從2019年開(kāi)始研究用大模型的方法，即預(yù)訓(xùn)練機(jī)制改造和設(shè)計(jì)蛋白質(zhì)，并持續(xù)取得突破。“當(dāng)然，蛋白質(zhì)序列形成的結(jié)構(gòu)比自然語(yǔ)言的結(jié)構(gòu)復(fù)雜得多，數(shù)據(jù)處理、AI算法、反饋機(jī)制等方面不能只是套用現(xiàn)有的大語(yǔ)言模型。但目前的階段性進(jìn)展已經(jīng)讓我們看到基于AI生成機(jī)制的大模型在蛋白質(zhì)設(shè)計(jì)領(lǐng)域的潛力，相信AI蛋白質(zhì)生成大模型是解決產(chǎn)業(yè)級(jí)蛋白質(zhì)生成問(wèn)題的有效路徑。”
在持續(xù)推進(jìn)AI算法創(chuàng)新的同時(shí)，分子之心也公布了多項(xiàng)經(jīng)濕實(shí)驗(yàn)驗(yàn)證的AI從頭設(shè)計(jì)的蛋白質(zhì)成果，如功能與天然蛋白類似但氨基酸數(shù)量更少的蛋白質(zhì)，或是能與某個(gè)特定小分子結(jié)合的蛋白質(zhì)、與某個(gè)特定底物結(jié)合的酶等。比如，許錦波團(tuán)隊(duì)從頭設(shè)計(jì)的綠色熒光蛋白（GFP），僅用110個(gè)氨基酸就實(shí)現(xiàn)了與238個(gè)氨基酸的天然GFP蛋白相似的功能，并在首次濕實(shí)驗(yàn)驗(yàn)證中就獲得100%成功。
分子之心AI算法從頭設(shè)計(jì)的熒光酶和GFP蛋白
在藥物設(shè)計(jì)領(lǐng)域，許錦波團(tuán)隊(duì)僅用幾小時(shí)就完成了傳統(tǒng)方法需要數(shù)月才能完成的抗體設(shè)計(jì)，并經(jīng)濕實(shí)驗(yàn)驗(yàn)證成功得到多個(gè)候選抗體，這一結(jié)果對(duì)大分子藥物設(shè)計(jì)意義重大，意味著蛋白質(zhì)從頭設(shè)計(jì)算法在抗體領(lǐng)域的可行性，未來(lái)可用基于AI的可編程、可預(yù)測(cè)方法替代傳統(tǒng)的“試錯(cuò)”機(jī)制，針對(duì)特定的治療需求直接設(shè)計(jì)蛋白質(zhì)藥物。甚至突破現(xiàn)有靶點(diǎn)的限制，從疾病源頭解決健康問(wèn)題。
分子之心在AI蛋白質(zhì)設(shè)計(jì)領(lǐng)域的技術(shù)突破，都將通過(guò)AI蛋白質(zhì)預(yù)測(cè)、優(yōu)化、設(shè)計(jì)平臺(tái)“MoleculeOS”服務(wù)于生物醫(yī)藥、合成生物學(xué)等產(chǎn)業(yè)領(lǐng)域。MoleculeOS是分子之心自研的業(yè)界首個(gè)功能完善的AI蛋白質(zhì)預(yù)測(cè)、優(yōu)化、設(shè)計(jì)平臺(tái), 可面向真實(shí)產(chǎn)業(yè)需求提供解決方案，基于AI蛋白質(zhì)技術(shù)解決藥物設(shè)計(jì)、生物育種、環(huán)境保護(hù)、高性能材料等領(lǐng)域的真實(shí)產(chǎn)業(yè)需求。
當(dāng)下，生物科技的顛覆性變革已經(jīng)開(kāi)啟，未來(lái)，人類將能更加系統(tǒng)、全面地探索蛋白質(zhì)宇宙中廣闊的未知領(lǐng)域，設(shè)計(jì)出新穎的、自然界中不存在的超級(jí)蛋白質(zhì)，加速生物經(jīng)濟(jì)時(shí)代到來(lái)。
關(guān)鍵詞：
