生物界「ChatGPT」首次实现从零合玉成新卵白 ，登Nature子刊
【导读】这家建设三年的小首创公司 ，首次使用深度学习语言模子合成出了自然界中不保存的全新卵白质 ，引爆卵白质设计革命。
人工智能的应用 ，已经极大地加速了卵白质工程的研究。
最近 ，加州伯克利的一家初出茅庐的首创公司再次取得了惊人的前进。
科学家们接纳类似ChatGPT的卵白质工程深度学习语言模子——Progen ，首次实现了AI展望卵白质的合成。
这些卵白质不但与已知的完全差别 ，相似度最低的甚至只有31.4% ，但和自然卵白一样有用。
现在 ，这项事情已经正式揭晓于Nature子刊。
论文地址：https://www.nature.com/articles/s41587-022-01618-2
这个实验也批注 ，自然语言处置惩罚虽然是为读写语言文本而开发的 ，但它也可以学习生物学的一些基来源理。
比肩诺奖的手艺
对此 ，研究职员体现 ，这项新手艺可能会变得比定向进化（获得诺贝尔奖的卵白质设计手艺）越发强盛。
「它将通过加速开发可用于从治疗剂到降解塑料等险些所有用途的新卵白质 ，为有50年历史的卵白质工程领域注入活力。」
这家公司名叫Profluent ，由前Salesforce AI研究认真人建设 ，已获得900万美元的启动资金 ，用于建设一个集成的湿实验室 ，并招募机械学习科学家和生物学家。
以往 ，在自然界中挖掘卵白质 ，或者调解卵白质到所需功效 ，都十分艰辛。Profulent的目的是 ，让这个历程变得绝不艰辛。
他们做到了。
Profluent首创人兼CEO Ali Madani
Madani在采访中体现 ，Profulent已经设计出了多个家族的卵白质。这些卵白质的功效与样本卵白（exemplar proteins）一样 ，因此是具有高活性的酶。
这项使命很是难题 ，是以zero-shot的方法完成的 ，这意味着并没有举行多轮优化 ，甚至基础不提供湿实验室的任何数据。
而最终设计出的卵白质 ，是通常需要数百年才华进化出来的高活性卵白质。
基于语言模子的ProGen
作为深度神经网络的一种 ，条件语言模子不但可以天生语义和语法准确且新颖多样的自然语言文本 ，并且还可以使用输入控制标签来指导气概、主题等等。
类似的 ，研究职员开发出了今天的主角——ProGen ，一个12亿参数的条件卵白质语言模子。
详细来说 ，基于Transformer架构的ProGen通过自注重机制来模拟残基的相互作用 ，并且可以凭证输入控制标签天生差别的跨卵白质家族的人工卵白质序列。
用条件语言模子天生人工卵白质
为了建设这个模子 ，研究职员喂了2.8亿种差别卵白质的氨基酸序列 ，并让它「消化」了几周的时间。
接着 ，他们又用五个溶菌酶家族的56,000个序列以及关于这些卵白质的信息 ，对模子举行了微调。
Progen的算法与ChatGPT背后的模子GPT3.5类似 ，它学习到了卵白质中氨基酸排序的纪律 ，以及它们与卵白结构和功效的关系。
很快 ，模子就天生了一百万个序列。
凭证与自然卵白质序列的相似水平 ，以及氨基酸「语法」和「语义」的自然水平 ，研究职员选择了100个举行测试。
其中 ，有66个爆发了与祛除蛋清和唾液中细菌的自然卵白质类似的化学反应。
也就是说 ，这些由AI天生的新卵白质也可以杀死细菌。
天生的人工卵白是多样化的 ，且在实验系统中表达优异
更进一步 ，研究职员选择了反应最强烈的五种卵白质 ，并将它们加入到大肠杆菌的样本中。
其中 ，有两种人工酶能够剖析细菌的细胞壁。
通过与鸡卵白溶菌酶（HEWL）举行较量可以发明 ，它们的活性与HEWL相当。
随后 ，研究职员又用X射线举行了成像。
只管人工酶的氨基酸序列与现有的卵白质有高达30%的差别 ，二者之间也只有18%是相同的 ，但它们的形状却与自然界的卵白质相差无几 ，并且功效也可以与之媲美。
条件语言建模对其他卵白质系统的适用性
除此之外 ，关于高度进化的自然卵白质来说 ，可能只需一个小小突变就会让它阻止事情。
但研究职员在另一轮筛选中发明 ，在AI天生的酶中 ，纵然只有31.4%的序列与已知卵白质相同 ，也能体现出相当的活性以及类似的结构。
卵白质设计 ，进入新时代
可以看到 ，ProGen的事情方法与ChatGPT很类似。
ChatGPT通过学习海量数据 ，可以加入MBA和状师考试、撰写大学论文。
而ProGen通过学习氨基酸怎样组合成2.8亿个现有卵白质的语法 ，学会了怎样天生新的卵白质。
在采访中 ，Madani体现 ，「就像ChatGPT学习英语之类的人类语言一样 ，我们是在学习生物和卵白质的语言。」
「人工设计卵白质的性能比受进化历程启发的卵白质要好得多 ，」论文作者之一、加州大学旧金山分校药学院生物工程和治疗科学教授James Fraser说。
「语言模子正在学习进化的各个方面 ，但它与正常的进化历程差别。我们现在有能力调解这些特征的爆发 ，以获得特定效果。好比 ，让一种酶具有令人难以置信的热稳固性 ，或嗜好酸性情形 ，或者不会与其他卵白质相互作用。」
早在2020年 ，Salesforce Research就开发了ProGen。它基于的自然语言编程 ，最初用于天生英语文本。
从之前的事情中 ，研究者们相识到 ，人工智能系统可以自学语法和单词的寄义 ，以及其他使写作井然有序的基本规则。
「当你用大宗数据训练基于序列的模子时 ，它们在学习结构和规则上的体现很是强盛 ，」Salesforce Research人工智能研究总监、论文的资深作者Nikhil Naik博士说 ，「它们会相识哪些词可以同时泛起 ，该怎样组合。」
「现在 ，我们已经证实晰ProGen有能力天生新的卵白质 ，并举行了果真宣布 ，所有人都可以在我们的基础上举行研究。」
作为卵白质的溶菌酶虽然很是小 ，最多有约300个氨基酸。
可是有20种可能的氨基酸 ，就有20^300种可能的组合。
这比古往今来的所有人类 ，乘以地球上沙粒的数目 ，再乘以宇宙中的原子数目的积还要多。
思量到这近乎无限的可能性 ，Progen能够云云轻松地设计出有用的酶 ，确实很了不起。
Profluent Bio首创人、Salesforce Research前研究科学家Ali Madani博士说：「开箱即用地重新最先生乐成能性卵白质的能力 ，批注我们正在进入卵白质设计的新时代。」
「这是所有卵白质工程师都可以使用的多功效新工具 ，我们期待看到它被应用于治疗。」
与此同时 ，研究职员仍在继续刷新ProGen ，试图突破更多的限制和挑战。
其中之一便它很是地依赖数据。
「我们已经探索了通过加入基于结构的信息来改善序列的设计 ，」Naik说 ，「我们还在研究当你没有太多关于某个特定卵白质家族或领域的数据时 ，怎样提高模子的天生能力。」
值得注重的是 ，尚有一些首创公司也在实验相似的手艺 ，好比Cradle ，以及自生物手艺孵化器Flagship Pioneering的Generate Biomedicines ，不过这些研究都还未经由偕行评审。
参考资料：
https://endpts.com/exclusive-profluent-debuts-to-design-proteins-with-machine-learning-in-bid-to-move-past-ai-sprinkled-on-top/
https://www.newscientist.com/article/2356597-ai-has-designed-bacteria-killing-proteins-from-scratch-and-they-work/
https://www.sciencedaily.com/releases/2023/01/230126124330.htm
(泉源：新智元、生物岛、生命科学前沿,若是侵权请联系删除）
3406412061