Redian新闻
>
首次用生成式AI设计抗体,蛋白质设计领域“鼻祖”David Baker的最新研究

首次用生成式AI设计抗体,蛋白质设计领域“鼻祖”David Baker的最新研究

公众号新闻

来源:深究科学

作者:周晨

        

David Baker不仅科学做得好,同时也是10多家生物医药公司的创始人/顾问

导读


3月18日,华盛顿大学蛋白质设计研究所所长David Baker在预印本BioRxiv上发文,首次使用生成式人工智能从头设计出了全新的抗体,这一重要发现未来有望让AI从头设计蛋白进入抗体药物市场。



事实上,每当我们讨论起蛋白质结构预测时,我们的脑海首先会闪现“AlphaFold”。作为Google DeepMind的得意之作,DeepMind创始人凭借AlphaFold,这两年接连斩获盖尔德纳奖和拉斯克奖,可谓风光无限。

          

David Baker也是这个领域响当当的人物,堪称蛋白质设计领域“鼻祖级”人物。他比DeepMind更早提出了预测和设计蛋白质三维结构的方法,甚至设计出了一款比AlphaFold更早的蛋白结构设计算法——RoseTTAFold。

              

比起一般科学家在实验室里死磕蛋白质到底的势头,Baker更愿意挖掘蛋白质设计当中的乐趣,为此他还亲自开发了一款蛋白质折叠游戏。Baker有一个更宏大的目标,那就是带领现代生物学走出“石器时代”。

01

超越AlphaFold



这两年,AlphaFold成为了生物医药界的新贵,甚至获得了不少生物医药相关的科学大奖。
          
之所以受到如此瞩目,主要在于AlphaFold颠覆了大众对于蛋白质的认知。在过去,我们只能从漫长的自然演化中去等待新的蛋白质生成,而如今有了AI算法的加持,人类可以主动去“设计”蛋白质。
          
鲜为人知的是,AlphaFold一直存在诸多竞争者,其中最为知名的莫过于华盛顿大学的David Baker团队。
          
Baker是预测和设计蛋白质三维结构方法的开创者,早在1998年由他主导设计的蛋白结构设计算法Rosetta就有了最初版本,远远早于时下大火的AlphaFold。而这两年,Baker更是致力于一件事情,那就是超越AlphaFold,为此,Baker团队曾在Science杂志上连发3篇论文,介绍新算法ProteinMPNN。
              
          
研究团队采用了三个步骤来挑战蛋白质设计的难题:
          
首先,通过类似于DALL-E或其他生成式AI工具“hallucination”和类似于现代搜索栏中的自动完成功能“inpainting”,利用人工智能生成新的蛋白质形状;
          
其次,设计了一种名为ProteinMPNN的新算法,用于生成氨基酸序列,极大提高了运行速度和效果;
          
最后,研究人员使用AlphaFold独立评估,由新算法提出的氨基酸序列是否能够折叠成预期的形状。
          
          
Baker提到,“ProteinMPNN之于蛋白质设计,就像AlphaFold之于蛋白质结构预测一样”。   
          
在之后的实验室工作中,Baker等人证实了算法能够“产生在实验室中发挥作用的新蛋白质”。Baker补充道,“这是机器学习在蛋白质设计中的开端。在接下来的几个月里,我们将努力改进这些工具,以创造更具活力和功能性的蛋白质”。
02

蛋白质设计领域的“鼻祖”

          

1962年10月6日,Baker出生于华盛顿州西雅图,从小便对科学感兴趣。研究生期间,他在加州大学伯克利分校的兰迪·谢克曼(Randy Schekman)实验室工作,也正是在这里,Baker接触到了蛋白质运输方面的工作,由此开启了破译蛋白质之旅。
          
早年间,Baker从事蛋白质折叠方面的工作。什么是蛋白质折叠呢?我们可以做一个简单的比喻:蛋白质是由氨基酸小分子组成的,而这些小分子就像拼图的零件,每当一个蛋白质形成的时候,这些氨基酸就必须按照一定的顺序,拼在一条链上,而为了拼出更加完美的蛋白质,就必须要找到一种最稳定、最合适的方式将氨基酸折叠成一个三维的形状。
          
折叠对蛋白质功能非常重要,如果折叠出现问题,可能导致蛋白质无法正常工作,而产生的连锁反应可能会影响到生物体内的各种生命过程。我们熟知的AlphaFold系统中的“Fold”一词,正是“折叠”的意思。
          
在蛋白质折叠领域,Baker做出了不小的成就,因此斩获了不少大奖:2008年,获萨克勒国际生物物理学奖;2021年,获生命科学突破奖;2022年,获得威利奖;2022年,他被授予BBVA 基金会“生物学和生物医学”类别的知识前沿奖。
          
除了斩获大奖外,Baker还在2008年左右开发出了一款在线蛋白质折叠游戏——FoldIt。在这款游戏中,玩家可以尝试找到给定蛋白质或给定氨基酸序列的最佳结构,换句话来说,玩家可以从理论上“自创”一个蛋白质结构。目前,该游戏已有70万注册用户。   
          
          
蛋白质折叠的一个引人注目的特点在于,它是一种自发的过程。过去,专注于这个领域的科学家们只能够研究已知的蛋白质结构。然而,随着时间的推移,Baker开启了一个全新的课题:人类是否能够拥有预测和设计全新的蛋白质的可能呢?
          
经过多年的研究,Baker似乎得出的肯定的答案。
03

算法预测和设计蛋白质结构

          

早年间,Baker团队开发了一款从头开始预测蛋白质结构的RoseTTAFold算法,而Baker本人也被认定为是“预测和设计蛋白质三维结构方法”的开创者。
          
RoseTTA是一种基于深度学习的软件工具,能够根据有限的信息快速而准确地预测蛋白质结构。在过去,确定一种蛋白质的结构可能需要研究员在实验室做多年的研究工作,而有了这一算法后,我们能够在十分钟内计算出新的蛋白质结构。   
          
在上文中我们提到,氨基酸的序列对于蛋白质折叠非常重要,而RoseTTA便是通过氨基酸序列来预测蛋白质的三维结构该算法:它采用了一个“三轨”神经网络的架构,综合考虑了蛋白质序列中的模式、氨基酸的相互作用以及可能的三维结构。这种架构使得一维、二维和三维信息能够在网络中流动,使得网络能够共同推断蛋白质的化学部分与其折叠结构之间的关系。
          
          
据Science杂志的报道,Baker团队使用RoseTTAFold计算了数百种新的蛋白质结构,其中有许多蛋白质是人类此前知之甚少的。除此之外,研究人员还成功生成了与人类健康直接挂钩的蛋白质结构,包括与脂质代谢问题、炎症紊乱和癌细胞生长多领域相关的蛋白质。
          
举个例子,RoseTTA曾发现一种名为Neoleukin-2的潜在癌症治疗蛋白质,Baker团队计划对白细胞介素-2进行改良设计,减小其毒性,使其能够有效地对抗癌症。   
          
仅在2021年6月的这一个月里,RoseTTA就提交了超过4500种蛋白质到实验室的Web服务器中。尽管作为后起之秀的AlphaFold等人工智能很大程度上解决了Baker提出的蛋白质结构预测问题,但目前,Baker团队仍然在深耕蛋白质结构设计,并且始终是AlphaFold的有力竞争者。
04

将蛋白质结构研究带出“石器时代”

          
截至2022年1月,蛋白质数据银行已经存储了数百万个原子分辨率的结构数据,涵盖了来自各种生物体的蛋白质。既然人类已知的蛋白质已经有了这么多,那么设计新的蛋白质还有意义吗?
          
2019年,Baker曾在TED演讲分享过对于蛋白质设计的看法,他认为当今社会上,我们面临着一系列的挑战,如果我们还有100万年可以等待,那我们可以利用大自然产生的蛋白质解决问题。然而我们并没有100万年的时间,因此我们只能借助于计算机设计出新型蛋白质来解决当下问题。
          
Baker的一个大胆的想法是:把生物学带出“石器时代”。
              
          
为此,他总结了未来蛋白质设计能够广泛应用的5大领域,其中包括:
1、新型疫苗
2、包含有非天然氨基酸的蛋白质
3、新型药物输送载体
4、智能疗法
5、高性能生物材料

Baker提出的5个领域,无疑都是未来生物医药领域的蓝海。事实上,Baker也成立了多家生物医药公司,从蛋白质设计角度,将生命健康的福祉传递给普通群众。
              
          
2017年,Baker等人联合创办了生物医药公司Icosavax,该公司专注于开发用于呼吸道病毒的蛋白质纳米颗粒疫苗。2023年12月11日,Icosavax宣布,阿斯利康将通过其子公司发起要约收购,这项收购总价值约为11亿美元,比Icosavax在该日的股价溢价91%。
          
              
2018年,Baker联合创办了Sana Biotechnology,该公司专注于为患者创造和提供工程细胞作为药物。2024年2月12日,Sana Biotechnology宣布完成了一次大规模公开发行股,此次发行总收益约为1.8975亿美元。
          
          
参考资料          
1.Beyond AlphaFold: AI excels at creating new proteins.UW Medicine.
2.Scaffolding protein functional sites using deep learning.Science.
3.Podcast Interview: David Baker.PNAS.
4.David Baker.wikipedia.
5.RoseTTAFold: Accurate protein structure prediction accessible to all.University of Washington
6.Sana Biotechnology官网
7.Icosavax官网  

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
相关阅读
Vercel:用生成式UI重塑前端开发Suno v3音乐生成模型发布,几秒钟生成完整歌曲;富士通用生成式AI加速药物研发丨AIGC日报消失5年,死而复生!国产新能源“鼻祖”,想站着赚钱里程碑时刻:David Baker团队利用生成式AI从头设计抗体,AI进入千亿美元抗体药市场4000万蛋白结构训练,西湖大学开发基于结构词表的蛋白质通用大模型,已开源增肌减脂要多吃"蛋白质"?最新研究:摄取过多很伤动脉联邦调查局来了湖南大学聂舟团队Angew |工程化Anti-CRISPR蛋白创建CRISPR-Cas蛋白开关用于激活型基因编辑和病毒蛋白酶检测dá àn jiē xiǎo 🥳AI Agent自主设计全新蛋白质登Nature!威斯康星大学让机器人科学家做实验,无需人类帮助可持续食品生产取得突破,丹麦团队用蓝藻作底盘合成纤维状蛋白质,媲美真肉的「质地和口感」北国风光 - 费尔班克斯的冰雪世界【首发】天鹜科技完成数千万元Pre-A轮融资,加速蛋白质工程通用大模型商业落地Reeds 母亲节满减,可以买Mikimoto, Messika, David Yurman, 非常难得!「天鹜科技」获数千万元Pre-A轮融资,成功交付多款AI设计蛋白质|36氪首发hé bàng?hé bèng?教师使用生成式AI的3个常见误区AI成功改写人类DNA,全球首个基因编辑器震撼开源!近5倍蛋白质宇宙LLM全生成曝小扎写信“挖角”DeepMind;我国10亿级参数大模型超百个;Stability AI开源代码生成模型丨AIGC大事日报哈佛分拆公司获投2600万美元,利用AI设计抗体,与阿斯利康、BMS、武田达成超5.5亿美元合作Transformer大杀器进入蛋白质组学,一文梳理LLM如何助力生命科学领域大变革Cell | 新研究发现一种新型HIV候选疫苗,可在人体中诱导广泛中和抗HIV抗体产生通知丨关于Amazon return OFFER的最新消息!【夏日公园蒙太奇】城配领域“弃油择电”比例增高,地上铁张海莹如何看? |【经纬低调推公司】美国肉价将下跌 所有蛋白质都会更便宜「天鹜科技」获数千万元Pre-A轮融资,成功交付多款AI设计蛋白质|早起看早期上海人嘎闹忙! 我致富的秘密花园 今日[世界日报]专访乐尔乐董事长陈正国:“中国硬折扣鼻祖”的极简逻辑知名学者与顶级投资人领衔!视频、3D、音乐生成玩家都来了,中国生成式AI大会嘉宾阵容更新,4月开启!大模型助力具身智能、电池研发与蛋白质研究,讯飞、深势科技、字节专家齐聚分享|AICon清华大学生命学院李丕龙与自然资源部第三海洋研究所李增鹏合作开发利用降解凝聚体的蛋白质靶向降解“垃圾桶”阿尔特曼称GPT-5提升超想象;库克在中国首谈生成式AI;字节推出视频生成新模型丨AIGC大事日报eBay 在软件开发生产率方面使用生成式AI的经验向所有生成式AI领域的优秀案例和厂商发出邀请,AIGC先锋榜进入征集倒计时 !引子:「舊文:『我讀黃詩』系列」
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。