蛋白质生成大模型NewOrigin亮相WAIC！许锦波：将满足蛋白生成全流程需求

7月7日,在2023世界人工智能大会(WAIC)上,业界首个AI蛋白质生成大模型“NewOrigin”(中文名为“达尔文”)正式亮相。NewOrigin大模型的研发领军人,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教授表示,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,NewOrigin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终极难题之一,科学家们曾多次因解析血红蛋白等重要蛋白质的三维结构被授予诺贝尔奖。这一局面在AI方法应用之后得到了根本性的改变。2016年,许锦波教授首次借助AI大幅提升了蛋白质结构预测精度,自此开始,AI彻底颠覆了蛋白质预测,并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全球科学家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,进而改变生物 经济 的格局。”许锦波在演讲中表示。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。“具备这些能力和条件的团队非常稀缺”,许锦波认为。

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。

分子之心使用AI从头设计的荧光蛋白

在此基础上,分子之心开发了融合自然语言和蛋白语言的AI蛋白质生成大模型NewOrigin,它具备5重优势:可以根据特定需求定制化生成蛋白质,比如针对某个靶点生成抗体,或针对某个底物生成特异性的酶等,实现“按需定制”;基于数千亿多模态数据,NewOrigin可以进行多模态的输入、输出,比如生成具备某种特定功能的蛋白质序列,或生成某个蛋白质的三维结构信息等,满足不同层次的应用所需;同时,为了评估生成效果,NewOrigin融合AI、分子动力学、量子计算等多种方法,形成多维反馈机制,来实现快速验证和迭代。为了降低交互门槛,NewOrigin使用了融合自然语言交互的蛋白质生成模式,以满足广大不具备AI技术背景的生物学家的应用需求。更重要的是,NewOrigin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。

为了更好的满足应用所需,分子之心将在一站式蛋白质预测、优化、设计平台“MoleculeOS”中集成NewOrigin大模型能力,并以NewOrigin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,进一步将NewOrigin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。