首次推出迄今为止最大的人工智能蛋白质设计模型

本月，EvolutionaryScale在纽约市宣布了原理验证演示，同时还获得了1.42亿美元的新资金，用于将其模型应用于药物开发、可持续性和其他追求。该公司由曾在科技巨头Meta工作的科学家创办，是一个日益拥挤的领域的最新进入者，该领域正在将语言和图像训练的尖端机器学习模型应用于生物数据。

该公司首席科学家Alex Rives曾参与Meta将人工智能应用于生物数据的工作，他表示:“我们希望开发出能够让生物学可编程的工具。”

EvolutionaryScale公司的人工智能工具ESM3被称为蛋白质语言模型。它接受了超过27亿个蛋白质序列和结构以及这些蛋白质功能信息的训练。该模型可用于根据用户提供的规格创建蛋白质，类似于ChatGPT等聊天机器人吐出的文本。

威斯康星大学麦迪逊分校(University of Wisconsin-Madison)的计算生物学家Anthony Gitter表示:“这将成为生物学中每个人都关注的人工智能模型之一。”

Rives和他的同事们曾在Meta研究ESM模型的早期迭代，但在去年Meta结束了在这一领域的工作后，他们开始了自己的研究。他们之前使用ESM-2模型创建了一个免费的数据库，其中包含6亿个预测的蛋白质结构。此后，其他团队使用ESM-1版本设计了具有更好的抗病原体活性的抗体，包括SARS-CoV-2，并重新设计了“抗CRISPR”蛋白质，以提高基因编辑工具的效率。

今年，位于加州伯克利的另一家生物人工智能公司Profluent利用自己的蛋白质语言模型创造了新的受CRISPR启发的基因编辑蛋白质，并免费提供了一种这样的分子。

为了展示其最新的模型，Rives的团队开始对另一种生物技术的主力进行彻底检查:绿色荧光蛋白(GFP)，它吸收蓝光并发出绿光。研究人员在20世纪60年代从生物发光水母Aequorea victoria中分离出绿色荧光蛋白。后来的工作——随着这一发现，获得了诺贝尔奖——展示了绿色荧光蛋白是如何在显微镜下标记其他蛋白质的，解释了其荧光的分子基础，并开发出了这种蛋白质的合成版本，这种蛋白质发出的光更明亮，颜色也不同。

研究人员已经发现了其他类似形状的荧光蛋白，它们都共享一个被桶状支架包围的吸光和发光的“发色团”核心。Rives的团队要求ESM3创造出含有GFP发色团中发现的一组关键氨基酸的GFP样蛋白质的例子。

研究人员合成了88种最有前途的设计，并测量了它们的荧光能力。大多数都是无用的，但有一种设计，与已知的荧光蛋白不同，发出微弱的光——比自然形式的绿色荧光蛋白弱约50倍。以这种分子的序列为起点，研究人员要求ESM3改进其工作。当研究人员制作了大约100个最终设计时，有几个和天然的GFP一样明亮，但仍然比实验室设计的变体暗淡得多。

其中一种最亮的esm3设计的蛋白质，被称为esmGFP，预计具有与天然荧光蛋白相似的结构。然而，它的氨基酸序列差异很大，与训练数据集中最密切相关的荧光蛋白序列匹配不到60%。在bioRxiv4服务器上发布的预印本中，Rives和他的同事们说，根据自然突变率，这种水平的序列差异相当于“超过5亿年的进化”。

这种比较对描述尖端人工智能模型的产品没有帮助，而且可能具有误导性。“当你想到人工智能和加速进化时，这听起来很可怕，”Gitter说。“我觉得过度宣传模特的工作可能会伤害这个领域，对公众来说也可能是危险的。

ESM3通过各种序列的迭代产生新的蛋白质，类似于进化。Rives补充说:“我们认为，大自然需要什么才能产生这样的东西，这是一个有趣的观点。”