智东西

作者 | ZeR0

编辑 | 漠影

ChatGPT这把火，已经烧到了生命科学界。

智东西3月30日报道，近日，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，正式对外发布其“生命科学版ChatGPT”——由生命科学大模型驱动的AI生成蛋白平台AIGP。

恰如人类自然语言可以拆解成26个字母、词、句子、段落的嵌套结构，生命语言可拆解成20个氨基酸字母、蛋白质、细胞、生命体。如此多的相似性，使得生成式AI不仅能写诗编程，也能被用于解决困扰生命科学科研人员已久的难题。

AIGP平台由百图生科在过去2年多时间内、近300位AI BioTech专家组成的跨国技术团队共同打造。根据不同模块的输入和要求，AIGP平台可在较短时间内设计和生成具有特定性质的蛋白质。

据介绍，这将大幅简化蛋白质生产流程，用几十分钟、几小时来设计蛋白质，几天就能把蛋白质制备出来。

其背后的核心引擎，是百图生科成立两年多以来一直致力于打造的生命科学大模型xTrimo。该模型拥有千亿参数，从跨物种、跨模态的生命信息中学习蛋白质如何构成和实现功能、如何相互作用、如何组合和调控细胞功能的关键规律。

有近20家合作伙伴已与百图生科开展AIGP联合研发合作，方向涉及高性能弹头设计、新功能蛋白质设计、靶点挖掘和调控蛋白设计等领域，其中多个项目取得了阶段性的发现成果。

目前，百图生科AIGP平台设置了3大功能模块。

AIGP平台3大功能模块 12项核心能力示意图

（1）Function to Protein Design（F2P）：从功能到蛋白设计，根据结构、功能、可开发性等功能指标设计/优化蛋白质，生成形状和理化性质的需求，生成一系列满足用户需求的蛋白设计，包括新功能、新结构、新酶，并可提供蛋白质参数优化能力。百图生科企业发展副总裁、产业基金董事总经理瞿佳润（Vicky）分享说，这类功能更多是跟合成生物学公司、酶类公司以及一些保健、医美行业有相关性。

（2）Protein to Protein Design（P2P）：从蛋白到蛋白设计，给定抗原等目标蛋白，设计与之以特定方式结合的抗体等蛋白，比如针对新冠、渐冻症等生成蛋白，根据石油等分子生成酶。该部分提供四个功能点：高亲和力、高精准表位、高特异性、高序列差异化的设计。在这个方向，百图生科的主要合作方是Biotech和Pharma，可以设定到一些大分子药物。

（3）Cell to Protein Design（C2P）：从细胞到蛋白设计，给定细胞，发现调控细胞功能的靶点蛋白并设计相应的调控蛋白。比如输入胃癌病人的疾病信息，AIGP的平台能够分析胃癌病人多组学数据，找到病人的胃癌靶点，根据靶点生成一个抗体甚至一系列有多样性的蛋白，最后一键式生成的蛋白回到自动实验室里面合成蛋白。其功能点能够做到细胞分类、细胞调控靶点、组织特异性靶点、药物组合效应的预测。

由于制药需要高度专业性。AIGP平台暂时不会面向大众开放。百图生科计划于2023年6月起将部分功能模块进一步开放，让专业用户可以直接自主使用，在更多的研究场景调用AI的蛋白质生成能力，激发更多的生命科学探索。

AIGP背后的千亿大模型体系，也有一个四层嵌套形式，最底层是对蛋白质的数据进行预训练，往上一层是蛋白质相互作用的预训练，还有一层是对细胞体系的预训练模型，最上层有一系列针对蛋白质设计特别关键的参数的预测模型。

要充分吸收生命科学里的数据，需将模型、训练和工程上的很多创新做有机融合。

百图生科CTO兼首席AI科学家宋乐说，ChatGPT依赖于人类反馈来输出舒适的、对人没有恶意的交流，AI生成蛋白质也是如此，需要经过专家信息及高通量实验室数据的输入，才能将生命科学大模型调整到能生成有用蛋白的程度。

生命科学大模型xTrimo的炼成过程是一个闭环，涉及大模型体系、高通量验证、数据平台三大部分，数据平台既有大量公开数据，也有百图生科自驾实验室产出的数据。

他分享说，经过一两年的打磨，xTrimo预测蛋白质结构的速度能达到比掀起AI蛋白质预测革命的DeepMind AlphaFold模型快100多倍，而且准确率比AlphaFold 2还要准3倍以上，使得在AIGP平台上设计的蛋白更精准，成功率更高。

做大模型，离不开长期的高额研发投入。据百图生科联合创始人兼CEO刘维透露，百图生科一年的研发投入大约几千万美元，同时推进40多个生命科学研发项目，而如果按传统的生命科学逻辑去做研发，加起来开销可能高达十亿美金，这已经开始显现出平台化的效率。

“这是AIGP 1.0时刻，这是新的起点，也是对我们来讲很大的挑战。”刘维说。

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。

他坦言，百图生科的AI大模型和与之配套的大规模数据图谱、高通量验证体系凝结了很多前沿技术的创新和探索，但还远不完美。

今天多种任务初期能力的成功率依然普遍有限，比如蛋白质弹头设计能力，可能在7000个膜表面蛋白上输入到AIGP平台，只有一小部分能够在一两个轮次内找到成功的弹头。

接下来，如何从开始展露一些能力到提高它的泛化能力和速度，需要专业伙伴的帮助，合作伙伴们亦将得益于这一系列尝试，实现前沿项目的加速研发，以及提高成功的概率。

宋乐博士也曾在此前的媒体采访中谈道：“因为生命体的高度复杂度。目前数据量很大，但仍然是有限的。随着生命科学领域观测手段和技术的发展，将使我们能够更加精细精准地理解进化，理解生命。这也就意味着，要实现这一目标，我们需要不断吸纳新的合作伙伴。”

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。

他将这种商业模式比作“Protein-as-a-Service”，但目的不是短期内赚取服务费，而是希望通过提供前沿的蛋白质Denovo设计能力及其他生命科学能力，帮助更多合作伙伴的研发项目取得成功。

“我们今天还很弱小。”刘维说，OpenAI在2018年发布的第一代GPT，当时仅在AI圈内有影响力，经过5年迭代和进展，有了今天耳熟能详的ChatGPT。他们希望5年时间内，也能将AIGP带到和今天大家看到的完全不一样的水平。

从AIGC到AIGP，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，百图生科AIGP平台对于加速新药研发乃至提供科研、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。