|
赵惠民团队推出AI工具准确预测酶功能
北京时间3月31日，美国伊利诺伊大学香槟分校教授赵惠民团队再次在Science发表研究论文。这回，他们发明了一种名为CLEAN（全称Contrastive Learning enabled Enzyme Annotation，即“启用对比学习的酶注释”）的机器学习算法，实现了根据酶的氨基酸序列，高准确性、高可靠性、高灵敏度预测酶的功能。
就像ChatGPT使用文字数据来创建预测文本一样，他们正在利用蛋白质的语言来预测它们的功能。
总体而言，CLEAN是预测查询酶催化功能的强大工具，可以极大地促进功能基因组学、酶学、酶工程、合成生物学、代谢工程等领域的研究。最重要的是，CLEAN在预测未充分研究的蛋白质方面的卓越性能将极大地扩展生物信息学工具箱，从而为未来详细的机制研究奠定基石。
对于接下来的工作目标，赵惠民教授谈到：“我们计划拓展CLEAN，用于对受体、转录因子等非酶蛋白质的功能预测，进而预测自然界所有蛋白质的功能。此外，我们还将尝试预测酶的其他功能，例如稳定性、底物专一性与选择性。我们还将结合CLEAN与AlphaFold，提升对所有蛋白质功能的预测准确度。
AIGP平台三大功能加速蛋白质生成
“Give me aring-shaped protein”.（给我一个环形蛋白质）、“Generateadrug for ALS”.（研制一款治疗渐冻症的药物）。
当人类在对话框输入以上指令，机器就能在一秒内生成一个相应的生命物质。现在，这些科幻电影中的桥段有希望成为现实。就像ChatGPT打开了人机对话的窗口，一批生命科学AI大模型也在开发的路上。
3月23日，百度创始人李彦宏牵头创立的生命科学平台公司百图生科对外发布了一款AI生成蛋白平台AIGP，这也是一款基于其自研的AI大模型“xTri－mo”开发的、能帮助解决生命科学问题的工具。
简单说，这就像一个能生成蛋白质的ChatGPT，根据用户给定的参数和功能，给出各种蛋白质、酶、细胞等的设计方案。3月30日，百图生科CEO刘维对记者表示，设计的初衷是帮助研究者提供一些生命科学技术的基础版本，让研究者可以在基础版本上进行创造，节约了一定的实验时间和实验费用。
目前，AIGP平台设置了3大功能模块，12项核心能力：
AIGP一年前已经在百图生科进行内部测试，并承载了其创新免疫调控药物ImmuBot的研发工作，贡献了多个高性能弹头、新功能传感器的研发案例，验证了AIGP能够实现从靶点发现到调控蛋白设计的快速转化。
创始人兼CEO刘维透露说，百图生科可能会在一年内发布AIGP 2.0版本，希望它在弹头设计等一些核心功能上提供更多的自主使用能力，为广大开发者提供普及化的蛋白质生成能力，让设计蛋白质的门槛从必须是专业的Biotech下降到很多生命科学研究者都能使用的水平。
AI工具正在解锁生命科学创新之门
从AIGP到CLEAN，AI的生成和预测能力对真实世界的影响正越来越广，也越来越深。设计满足特定性能指标及功能的蛋白，往往需要昂贵且长期的过程，而AI正在改变生命科学前沿创新的速度。
“AI能够解决的问题，就是对大数据的分析和进一步的演绎和应用。”中国科学院院士、著名免疫学家董晨教授认为在当下，AIGP确实是一个呼之欲出的平台。他相信AIGP对于我们理解蛋白质，以及在生物系统中研究和发现它的功能和调控，乃至于将来研发新药，都会有非常大的作用。
世界生物信息学界著名学者、哈佛计算生物医学中心创始主任、R语言的主要发明人、百图生科科学顾问委员会委员Robert Gentleman教授的团队正在哈佛进行蛋白质生成/预测模型的相关研究。他评价说“百图生科在这个方向上走得很远了”，并期待AIGP会带来更多的蛋白质/抗体生成模型，以至于抗体工程师们可能会从这些模型的预测中，发现自己从未注意过的细节。
随着“公测”启动及部分功能模块的开放，AI平台对于提供科研、环保、材料、消费等更多场景的解决方案，提供了一个可供自主使用的新平台。
除了加速研发项目取得成功外，这一进展的更大潜在价值在于通过节省科研人员们的时间成本，撬动更广大的创造与创新空间。
本文来自仪器信息网，如有侵权请联系我们删除
|
微信公众号下单更便捷
