星空体育·(中国)官方网站XK SPORT星空体育·(中国)官方网站XK SPORT
您当前位置：
作为生命活动的基础，蛋白质参与细胞代谢、信号传导、免疫应答等几乎所有的生命过程，针对蛋白质进行精准设计对于理解生命本质、开发新药物等方面具有重要意义。近年来，AI 在生物科技领域，尤其是蛋白质设计中的应用正展现出令人瞩目的潜力，为设计新型功能蛋白开辟了新途径。
近日，AI 蛋白质设计初创公司 Profluent Bio（下文简称Profluent）宣布已经完成了3500 万美元融资，用于该公司下一阶段的发展，包括推进其专有的大语言模型（LLM）和数据集、湿实验室能力以及在 CRISPR 基因编辑方面的优化升级。
除此之外，作为此次融资的一部分，OpenAI 前产品主管 Fraser Kelton，Spark Capital 普通合伙人 Nabeel Hyatt 也将加入董事会，为公司下一个增长阶段提供战略指导。
Profluent表示，此次 3500 万美元的融资对该公司而言是一个重要的里程碑，通过促进创新性、功能性蛋白质的开发将有望改善当今医疗保健和疾病治疗格局。
▲图｜Profluent 联合创始人兼首席执行官 Ali Madani（来源：公司官网）
“我们在 AI 领域的前沿研究使 Profluent 能够创建大语言模型并开始学习‘大自然的蓝图’，我们正在将生物学从‘受限于自然界中可以发现的东西’转变为‘能够通过 AI 精确地根据我们的需求进行设计’，现在是时候积极创造能够改变整个世界的突破性药物了。”Profluent 联合创始人兼首席执行官Ali Madani表示。
Profluent首席商务官 Hilary Eaton 补充说，“从历史上看，当两种前沿技术交叉时就会出现真正的变革机械阀门隔膜阀，Profluent将 AI 和 CRISPR 连接了起来，让这一领域出现以前从未有过的创新。我们认为将 Cas9 等天然酶转化为基因疗法是一个重大飞跃，我们打算在此基础上为全新的编辑方式定制设计新型酶。”
“随着Ali Madani和 Profluent 在生命科学领域推进 AI 研究的前沿，他们正在第一次将‘生物程序化’。我们正处于生物学领域类似变革的边缘，正如大语言 AI 模型 ChatGPT 可以生成文字和电子邮件一样，Profluent 开发了能够设计全新功能蛋白质的 AI 模型。我亲眼目睹了 AI 在进入到一个领域所能带来的变革，所以我参与到 Profluent 公司中并支持他们完成使命。”Spark Capital 的普通合伙人、OpenAI 的前产品负责人 Fraser Kelton 表示。
值得一提的是，Fraser Kelton 于 2020 年加入 OpenAI，当时还只是一个研究实验室，在那里他建立并领导团队编写了第一份产品路线图，帮助推出了 OpenAI 的 ChatGPT 和 DALL-E，此外，他从 2023 年以来还成为了 Spark Capital 的合伙人。
AI 蛋白质设计公司Profluent成立于 2022 年，总部位于美国加利福尼亚州，由 Ali Madani 和 Alexander Meeske 联合创立，专注于通过开发深度生成模型学习“生物语言”来设计和验证新型功能性蛋白质。
众所周知，蛋白质设计的目标是创造具有特定用途的新型或增强型蛋白质，传统方法主要有两种，或是通过对自然界中现有的蛋白质进行大规模筛选，或是通过对蛋白质进行少量编辑以期达到预期的结果。然而，这些方法依赖于复杂的实验室操作和长时间的筛选，效率较低且成本高昂。
区别于这两种传统方法，Profluent将生成式 AI 模型应用于设计新的蛋白质，不仅能够提高设计的效率和准确性，还可以缩短研发周期、降低成本。类似于文本语言模型 ChatGPT，Profluent 的模型也是基于大规模数据进行训练的机械阀门隔膜阀，只不过不是人类的语言，而是“蛋白质的语言”。
Profluent 声称，其开发的 AI 模型能够有效地在蛋白质的广阔组合空间中进行“导航”，这种方法代表了从“偶然发现”到“理性设计”的范式转变。
值得一提的是，在创立Profluent之前，Ali Madani此前曾在 AI 技术开发公司 Salesforce 担任研究科学家，领导该公司的机器学习研究计划，推进蛋白质设计的生成建模项目。
当时，他和团队创建了一个能够从头开始生成人造酶的 AI 系统 ProGen。类似于句子是由一个个的单词组成，换个角度思考，蛋白质也可以被理解为是由一个个氨基酸组成的“句子”。作为一种蛋白质深度学习语言模型，ProGen 能够以类似“造句”的方式生成跨多个蛋白质家族且功能可预测的蛋白质序列。
在 ProGen 系统开发过程中，他们将2.8 亿种不同蛋白质的氨基酸序列输入到机器学习模型，同时提供相关蛋白质特性作为控制标签，然后让系统来“消化和学习”这些数据信息。基于这些“蛋白质语言”，AI 模型生成了 100 万个序列，他们根据这些序列与天然蛋白质序列的相似程度及其氨基酸序列构成的自然程度从中选择了 100 个序列展开研究，
他们通过验证发现，ProGen 系统生成的酶与自然界中发现的酶同样有效，来自 5 个溶菌酶家族的所有人工蛋白质均显示出活性，并且在这些人工制造的溶菌酶中有73% 被发现具有抗菌功能，相较之下天然蛋白质中仅有 59% 具备功能性。目前，相关研究成果已经发表在Nature Biotechnology上。
在Ali Madani看来，这种从头生成功能性蛋白质的能力意味着人类已经步入蛋白质设计的新时代，这为蛋白质开发工程师提供了一种多功能的全新工具。
