AI蛋白质生成大模型亮相2023世界人工智能大会

　　业界首个AI蛋白质生成大模型“达尔文”(NewOrigin)7日在2023世界人工智能大会（WAIC）上正式亮相。其研发领军人，清华大学智能产业研究院卓越访问教授、分子之心创始人许锦波表示，AI蛋白质生成大模型瞄准创新药设计、合成生物学等真实产业应用需求，将用一个模型满足蛋白质生成全流程需求，未来大分子药、新生物材料等蛋白质设计可实现“一键定制”。

　　据介绍，该大模型通过学习千亿级多模态大数据，可实现多模态定向生成，单模型就能满足序列生成、结构预测、功能预测、从头设计等蛋白质生成全流程需求，解决产业应用所需的特定功能蛋白质生成难题，并在真实的产业环境中评估效果与价值。

　　过去60多年中，蛋白质结构始终是困扰生物学家的难题之一，这一局面在AI方法应用之后得到了根本性的改变。2016年，许锦波首次借助AI大幅提升了蛋白质结构预测精度，并开始逐步影响蛋白质生成。但由于极高的技术壁垒，蛋白质生成至今仍是尚未完全攻克的技术难题。

　　“大模型的出现将大大加速蛋白质生成技术的发展进程，并推动其在生物医药、合成生物学等领域应用。”许锦波表示。当下ChatGPT等自然语言大模型的表现，让各界对大模型机制信心倍增。但在蛋白质生成等专业垂直领域，通用的自然语言大模型能力十分有限。究其原因，生物领域的复杂数据、专业知识与应用场景，都与自然语言交互的通用场景相差甚远，能力要求也更高。

　　因此，研发蛋白质生成大模型，除了必备的算法、算力、数据等基础条件，还需要具备两大专业进阶能力：一是融合计算机、生物、物理等多学科，熟识AI、分子动力学、量子计算等多种方法，且能在实践中并行考虑序列与结构、主链与侧链、进化与组学的跨领域融合能力；二是走出实验室，下沉至真实的产业环境，在需求、验证、落地上贴近真实产业需求的能力。

　　据了解，许锦波团队从2019年开始使用预训练机制研发蛋白质设计算法，通过整合结构预测、侧链预测、蛋白-蛋白对接等多种技术，结合多种场景需求，目前已在改造或从头设计蛋白质上取得了重要的突破。比如，设计功能类似但更小的蛋白质、能够结合某个小分子的蛋白质、能够结合某个底物的酶、基因编辑用的蛋白质等。

　　在此基础上，许锦波团队开发了融合自然语言和蛋白语言的AI蛋白质生成大模型“达尔文”(NewOrigin)。它具备可以根据特定需求定制化生成蛋白质、实现快速验证和迭代、降低交互门槛等优势。更重要的是，该大模型是真正面向产业需求的AI蛋白大模型，可基于工业级的应用反馈持续迭代，解决真实的产业需求。

　　为了更好地满足应用所需，分子之心以大模型为底层基础，面向药物设计、合成生物学等应用场景打造产业级的解决方案，并进一步将大模型的能力在药物设计、生物育种、环境保护、高性能材料等多个领域广泛落地，驱动多领域创新。比如，以对话交互的方式，让NewOrigin生成针对某个靶点的抗体，或生成具备某个底物特异性的酶等。

　　许锦波表示，AI和生物科技是当下全球科技竞争的重要战略领域，蛋白质技术作为生物科技的底层技术，与AI融合创新是必由之路。AI蛋白质生成大模型的开发只是起点，更具价值的是将其真正应用于产业中，实现可编程、可预测的创新药设计和生物制品开发，通过底层技术突破驱动生物经济变革。（记者 李志勇）