蛋白質(zhì)生成大模型NewOrigin亮相WAIC 許錦波：將滿足蛋白生成全流程需求

7月7日，在2023世界人工智能大會（WAIC）上，首個AI蛋白質(zhì)生成大模型“NewOrigin”（中文名為“達(dá)爾文”）正式亮相。NewOrigin大模型的研發(fā)領(lǐng)軍人許錦波教授表示，AI蛋白質(zhì)生成大模型瞄準(zhǔn)創(chuàng)新藥設(shè)計、合成生物學(xué)等真實(shí)產(chǎn)業(yè)應(yīng)用需求，將用一個模型滿足蛋白質(zhì)生成全流程需求，未來大分子藥、新生物材料等蛋白質(zhì)設(shè)計可實(shí)現(xiàn)“一鍵定制”。

據(jù)介紹，NewOrigin大模型通過學(xué)習(xí)千億級多模態(tài)大數(shù)據(jù)，可實(shí)現(xiàn)多模態(tài)定向生成，單模型就能滿足序列生成、結(jié)構(gòu)預(yù)測、功能預(yù)測、從頭設(shè)計等蛋白質(zhì)生成全流程需求，解決產(chǎn)業(yè)應(yīng)用所需的特定功能蛋白質(zhì)生成難題，并在真實(shí)的產(chǎn)業(yè)環(huán)境中評估效果與價值。

“大模型的出現(xiàn)將大大加速蛋白質(zhì)生成技術(shù)的發(fā)展進(jìn)程，并推動其在生物醫(yī)藥、合成生物學(xué)等領(lǐng)域應(yīng)用，進(jìn)而改變生物經(jīng)濟(jì)的格局。”許錦波在演講中表示。當(dāng)下自然語言大模型的表現(xiàn)，讓各界對大模型機(jī)制信心倍增。但在蛋白質(zhì)生成等專業(yè)垂直領(lǐng)域，通用的自然語言大模型能力十分有限。究其原因，生物領(lǐng)域的復(fù)雜數(shù)據(jù)、專業(yè)知識與應(yīng)用場景，都與自然語言交互的通用場景相差甚遠(yuǎn)，能力要求也更高。

因此，研發(fā)蛋白質(zhì)生成大模型，除了必備的算法、算力、數(shù)據(jù)等基礎(chǔ)條件，還需要具備兩大專業(yè)進(jìn)階能力：一是融合計算機(jī)、生物、物理等多學(xué)科，熟識AI、分子動力學(xué)、量子計算等多種方法，且能在實(shí)踐中并行考慮序列與結(jié)構(gòu)、主鏈與側(cè)鏈、進(jìn)化與組學(xué)的跨領(lǐng)域融合能力；二是走出實(shí)驗(yàn)室，下沉至真實(shí)的產(chǎn)業(yè)環(huán)境，在需求、驗(yàn)證、落地上貼近真實(shí)產(chǎn)業(yè)需求的能力。“具備這些能力和條件的團(tuán)隊非常稀缺”，許錦波認(rèn)為。

許錦波團(tuán)隊從2019年開始使用預(yù)訓(xùn)練機(jī)制研發(fā)蛋白質(zhì)設(shè)計算法，通過整合結(jié)構(gòu)預(yù)測、側(cè)鏈預(yù)測、蛋白-蛋白對接等多種技術(shù)，結(jié)合多種場景需求，目前已在改造或從頭設(shè)計蛋白質(zhì)上取得了重要的突破。

分子之心使用AI從頭設(shè)計的熒光蛋白

在此基礎(chǔ)上，分子之心開發(fā)了融合自然語言和蛋白語言的AI蛋白質(zhì)生成大模型NewOrigin，它具備5重優(yōu)勢：可以根據(jù)特定需求定制化生成蛋白質(zhì)，比如針對某個靶點(diǎn)生成抗體，或針對某個底物生成特異性的酶等，實(shí)現(xiàn)“按需定制”；基于數(shù)千億多模態(tài)數(shù)據(jù)，NewOrigin可以進(jìn)行多模態(tài)的輸入、輸出，比如生成具備某種特定功能的蛋白質(zhì)序列，或生成某個蛋白質(zhì)的三維結(jié)構(gòu)信息等，滿足不同層次的應(yīng)用所需；同時，為了評估生成效果，NewOrigin融合AI、分子動力學(xué)、量子計算等多種方法，形成多維反饋機(jī)制，來實(shí)現(xiàn)快速驗(yàn)證和迭代。為了降低交互門檻，NewOrigin使用了融合自然語言交互的蛋白質(zhì)生成模式，以滿足廣大不具備AI技術(shù)背景的生物學(xué)家的應(yīng)用需求。更重要的是，NewOrigin大模型是真正面向產(chǎn)業(yè)需求的AI蛋白大模型，可基于工業(yè)級的應(yīng)用反饋持續(xù)迭代，解決真實(shí)的產(chǎn)業(yè)需求。

為了更好的滿足應(yīng)用所需，分子之心將在一站式蛋白質(zhì)預(yù)測、優(yōu)化、設(shè)計平臺“MoleculeOS”中集成NewOrigin大模型能力，并以NewOrigin為底層基礎(chǔ)，面向藥物設(shè)計、合成生物學(xué)等應(yīng)用場景打造產(chǎn)業(yè)級的解決方案，進(jìn)一步將NewOrigin大模型的能力在藥物設(shè)計、生物育種、環(huán)境保護(hù)、高性能材料等多個領(lǐng)域廣泛落地，驅(qū)動多領(lǐng)域創(chuàng)新。

許錦波表示，AI和生物科技是當(dāng)下全球科技競爭的重要戰(zhàn)略領(lǐng)域，蛋白質(zhì)技術(shù)作為生物科技的底層技術(shù)，與AI融合創(chuàng)新是必由之路。AI蛋白質(zhì)生成大模型的開發(fā)只是起點(diǎn)，更具價值的是將其真正應(yīng)用于產(chǎn)業(yè)中，實(shí)現(xiàn)可編程、可預(yù)測的創(chuàng)新藥設(shè)計和生物制品開發(fā)，通過底層技術(shù)突破驅(qū)動生物經(jīng)濟(jì)變革。