中新網(wǎng)上海3月22日電 (記者 許婧)上海交通大學(xué)特聘教授洪亮團隊22日發(fā)布最新成果：團隊將AI與蛋白質(zhì)設(shè)計與改造相結(jié)合，建立了全球最大的蛋白質(zhì)數(shù)據(jù)集，基于該數(shù)據(jù)集訓(xùn)練的模型，可以精準(zhǔn)、高效地預(yù)測、設(shè)計蛋白質(zhì)的功能，把蛋白質(zhì)生產(chǎn)由“緩慢的試錯”變?yōu)椤案咝实木珳?zhǔn)設(shè)計”。

　　蛋白質(zhì)是由氨基酸序列構(gòu)成的，氨基酸序列的長度從數(shù)百個到上千個不等。AI時代，數(shù)據(jù)是推動技術(shù)進步的核心資源，龐大的蛋白質(zhì)序列數(shù)據(jù)集能幫助模型更好地理解蛋白質(zhì)的序列、結(jié)構(gòu)和功能關(guān)系。洪亮團隊建立的蛋白質(zhì)序列數(shù)據(jù)集Venus-Pod(Venus-Protein Outsize Dataset)含有近90億條蛋白質(zhì)序列，包含數(shù)億個功能標(biāo)簽，是全球數(shù)據(jù)規(guī)模最大、功能批注標(biāo)簽最多的數(shù)據(jù)集，也是另一行業(yè)知名模型——美國ESM-C模型訓(xùn)練用的21億蛋白質(zhì)序列的4倍體量。

　　洪亮表示，該數(shù)據(jù)集構(gòu)成了巨大的“蛋白質(zhì)礦藏”，使得人類有可能挖掘新的蛋白或者生物催化劑，助力生物醫(yī)藥和合成生物學(xué)的快速發(fā)展；其次，AI大模型有望通過海量數(shù)據(jù)的學(xué)習(xí)和掌握自然界蛋白質(zhì)的進化模式，為AI設(shè)計優(yōu)異的蛋白質(zhì)產(chǎn)品提供寶貴的學(xué)習(xí)資料。

　　蛋白質(zhì)是由20種氨基酸組成的一條高分子鏈，這個高分子鏈會扭曲并折疊成獨特的三維結(jié)構(gòu)，正是這種獨特結(jié)構(gòu)賦予了特定蛋白質(zhì)的生物功能。要設(shè)計出一款成功的蛋白質(zhì)產(chǎn)品，不能只關(guān)注它的三維結(jié)構(gòu)，而是要能成功預(yù)測和設(shè)計它的功能。洪亮團隊直接瞄準(zhǔn)“功能預(yù)測”這一終極目標(biāo)，將復(fù)雜的蛋白質(zhì)設(shè)計變成以需求為導(dǎo)向，配合少量實驗輸出結(jié)果的簡單過程。

　　“我們訓(xùn)練了Venus(啟明星)系列模型，與DeepMind團隊的AlphaFold預(yù)測蛋白質(zhì)結(jié)構(gòu)不同，這個模型學(xué)習(xí)自然界蛋白質(zhì)序列的組織規(guī)則以及它與功能之間的關(guān)系，其預(yù)測蛋白質(zhì)突變功能的精度位居行業(yè)榜單之首。”洪亮說，Venus系列模型具備兩大核心功能：“AI定向進化”與“AI挖酶”。這些超常規(guī)功能的蛋白質(zhì)在生物技術(shù)、醫(yī)藥研發(fā)和工業(yè)生產(chǎn)中具有巨大的應(yīng)用潛力，能夠為相關(guān)領(lǐng)域帶來創(chuàng)新和突破。

　　同時，配合Venus系列模型的全球首款低通量大體積蛋白質(zhì)表達、純化與功能檢測自動化一體機，可在24小時內(nèi)不間斷地完成100余個蛋白質(zhì)的表達、純化與檢測任務(wù)，較人力效率提高近10倍，將大大減少研發(fā)過程中的人力、物力和時間成本投入，顯著提高蛋白質(zhì)工程與合成生物學(xué)研究的效率。

　　據(jù)介紹，一款功能過硬的蛋白質(zhì)產(chǎn)品的誕生，通常需要豐富的專家經(jīng)驗配合數(shù)以萬計的實驗試錯。長期以來，蛋白質(zhì)設(shè)計改造的時間長、成本高、試錯密集問題，一直是業(yè)界難題。

　　洪亮介紹，該成果配合行業(yè)領(lǐng)先的自動化設(shè)備，已經(jīng)進行產(chǎn)業(yè)化落地，比如Venus系列模型對某體外診斷頭部公司堿性磷酸酶(ALP)的改造項目。Venus系列模型成功優(yōu)化 ALP，使其分子活性超國際頭部公司產(chǎn)品3倍，為超敏檢測診斷(如心肌梗塞、阿爾茲海默癥)帶來巨大價值。目前，改造后的 ALP已進入200L規(guī)模放大生產(chǎn)階段，標(biāo)志著Venus系列模型成功實現(xiàn)產(chǎn)業(yè)轉(zhuǎn)化。(完)