過去兩年，機(jī)器學(xué)習(xí)徹底改變了蛋白質(zhì)結(jié)構(gòu)預(yù)測。而現(xiàn)在，人工智能又在蛋白質(zhì)設(shè)計(jì)領(lǐng)域引發(fā)了新一輪革命。

自從AI問世以來，眾多科學(xué)家們就加入了利用它來進(jìn)行蛋白質(zhì)研究的賽道。生物學(xué)家發(fā)現(xiàn)，使用機(jī)器學(xué)習(xí)，可以在幾秒鐘內(nèi)創(chuàng)建出蛋白質(zhì)分子。而在以前，這個(gè)時(shí)間也許是幾個(gè)月。

近日，初創(chuàng)企業(yè)Evozyne使用NVIDIA提供的預(yù)訓(xùn)練AI模型，創(chuàng)造了兩種在醫(yī)療和清潔能源領(lǐng)域具有重大潛力的蛋白質(zhì)。其中一種蛋白質(zhì)用于治療一種先天性疾病，另一種用于消耗二氧化碳以減少全球變暖。

這樣科學(xué)家使用NVIDIA BioNeMo創(chuàng)建出能夠生成高質(zhì)量蛋白質(zhì)的大型語言模型，以此加快藥物研發(fā)并助力創(chuàng)造更具可持續(xù)性的環(huán)境。

加速藥物研發(fā)的新方法

Evozyne聯(lián)合創(chuàng)始人、論文共同作者Andrew Ferguson表示： “令人欣喜的是，這個(gè)AI模型第一輪產(chǎn)出的合成蛋白質(zhì)就像自然生成的蛋白質(zhì)一樣，表示該模型已經(jīng)學(xué)會(huì)了自然界的設(shè)計(jì)規(guī)則?！?/p>

Evozyne使用了NVIDIA的ProtT5。ProtT5是一個(gè)Transformer模型，是用于創(chuàng)建醫(yī)療AI模型的軟件框架和服務(wù)——NVIDIA BioNeMo的一部分。

分子工程師Ferguson的研究領(lǐng)域涵蓋化學(xué)和機(jī)器學(xué)習(xí)領(lǐng)域，他表示：“BioNeMo非常強(qiáng)大，讓我們能夠訓(xùn)練模型，然后以非常低的成本使用該模型來運(yùn)行工作任務(wù)，在幾秒鐘內(nèi)就能生成數(shù)百萬個(gè)序列。該模型預(yù)測了如何組裝出能夠滿足Evozyne需求的新蛋白質(zhì)?！?/p>

該模型是Evovyne ProT-VAE流程的核心。Evozyne的ProT-VAE流程將NVIDIA BioNeMo中強(qiáng)大的Transformer模型與變分自編碼器（VAE）相結(jié)合。

他表示：“幾年前，還沒有人注意到可以使用大型語言模型與變分自編碼器相結(jié)合的方式來設(shè)計(jì)蛋白質(zhì)?！?/p>

相比之下，Evozyne的方法只通過一輪，就能改變一個(gè)蛋白質(zhì)中半數(shù)乃至以上的氨基酸。這相當(dāng)于進(jìn)行了數(shù)百次的突變。

Evozyne數(shù)據(jù)科學(xué)家Joshua Moller表示： “他們通過將工作擴(kuò)展到多個(gè)GPU來加快訓(xùn)練速度。

這將訓(xùn)練大型 AI 模型的時(shí)間從幾個(gè)月縮短到一個(gè)星期。Ferguson表示：“所以我們能夠訓(xùn)練出原本不可能訓(xùn)練出的模型，比如一些有數(shù)十億可訓(xùn)練參數(shù)的模型?！?/p>

革命性的AI模型

傳統(tǒng)的蛋白質(zhì)工程設(shè)計(jì)方法，即定向進(jìn)化，采用的是一種緩慢、無計(jì)劃的方法，通常一次只改變幾個(gè)氨基酸的序列。而機(jī)器學(xué)習(xí)有助于研究海量可能的氨基酸組合，然后有效地識(shí)別最有用的序列。

BioNeMo是一款基于NVIDIA NeMo Megatron構(gòu)建的AI賦能藥物研發(fā)云服務(wù)和框架，用于在超級(jí)計(jì)算規(guī)模下訓(xùn)練和部署大型生物分子Transformer AI模型。服務(wù)包括預(yù)訓(xùn)練LLM、對(duì)蛋白質(zhì)、DNA、RNA和化學(xué)的通用文件格式的原生支持，還提供可供SMILES（用于分子結(jié)構(gòu)）和FASTA（用于氨基酸和核苷酸序列）使用的數(shù)據(jù)加載器。

借助BioNeMo，科學(xué)家可以開始為UniRef50和ZINC數(shù)據(jù)庫輕松使用預(yù)訓(xùn)練模型、自動(dòng)下載器和預(yù)處理器。借助無監(jiān)督式結(jié)構(gòu)化學(xué)習(xí)者，各種模型、嵌入和輸出得以結(jié)合，將多模態(tài)數(shù)據(jù)組合在一起。無監(jiān)督式預(yù)訓(xùn)練還消除了對(duì)已標(biāo)記數(shù)據(jù)的需求，從而快速生成已學(xué)習(xí)的嵌入，預(yù)測蛋白質(zhì)結(jié)構(gòu)、功能、細(xì)胞位置、水溶性、膜結(jié)合性、保存區(qū)域和可變區(qū)域等。

其中，MegaMolBART是一種使用14億個(gè)分子（SMILES字符串）進(jìn)行訓(xùn)練的生成化學(xué)模型，可用于多種化學(xué)信息學(xué)應(yīng)用。而且BioNeMo提供了ProtT5和ESM1-85M等基于 Transformer 的蛋白質(zhì)語言模型。

BioNeMo還提供OpenFold，這是一種用于預(yù)測新型蛋白質(zhì)序列 3D 結(jié)構(gòu)的深度學(xué)習(xí)模型。

NVIDIA的Transformer模型會(huì)讀取數(shù)百萬種蛋白質(zhì)中的氨基酸序列。該模型運(yùn)用神經(jīng)網(wǎng)絡(luò)用來理解文本的技術(shù)，學(xué)會(huì)了大自然如何構(gòu)建蛋白質(zhì)氨基酸序列。

展望未來，使用AI加速蛋白質(zhì)工程的前景十分廣闊。人工設(shè)計(jì)出來的蛋白質(zhì)相對(duì)于自然界中原本就存在的蛋白質(zhì)而言，更加穩(wěn)定，在沒有能量或高溫等極端情況下，也能實(shí)現(xiàn)它的某項(xiàng)功能。

此外，也可以用人工智能來設(shè)計(jì)氨基酸序列，使其與主干相符，用于改善酶、抗體等特定蛋白的穩(wěn)定性。人工智能技術(shù)對(duì)于不同大小、不同構(gòu)象的蛋白質(zhì)設(shè)計(jì)起到了非常重要的作用，未來還可幫助設(shè)計(jì)更多、更有用的蛋白質(zhì)，包括可用于減少污染、改善環(huán)境的新的生物材料。