0
| 本文作者： 郭瑞嬋 | 2022-09-21 10:38 |
AlphaFold 近年來展現(xiàn)給世人的驚喜層出不窮，使得向來被稱為生物學圣杯的蛋白質折疊問題有了新的解決方法，為整個計算生物領域帶來了更大的關注量。
其中，AI蛋白質預測與設計賽道不斷吸引著創(chuàng)業(yè)者與Meta、騰訊等大廠的加入。
各種算法、模型互相比拼，不斷刷新準確度、運行速度與數(shù)據(jù)庫數(shù)量。在AI的賦能下，蛋白質結構數(shù)據(jù)大大增加，使得AI蛋白質從頭設計變得可行起來。
相關算法、平臺突增，但在追求硬核指標之外，也有其他值得關注之處。
“我們發(fā)現(xiàn)，雖然人工智能現(xiàn)在具備了蛋白質從頭設計的能力，但要推動整個領域的快速發(fā)展，比算法開發(fā)更重要的是要解決大家在產業(yè)實踐中遇到的種種困難?！?/p>
苗洪江來自天壤XLab，是該實驗室負責人。
他表示，基于上述背景，天壤XLab發(fā)布了一款蛋白質設計工作臺——CREATOR，試圖解決跨領域技術門檻高、工作流程碎片化的問題，在同個工作臺上一站式地完成全部蛋白質設計項目。
在賽道發(fā)展的早期階段，這個工作臺還需要直面AI蛋白質預測與設計所遭受的質疑，通過降低使用門檻是否能為賽道帶來新的氣象？
蛋白質設計有著非常廣泛的應用場景，除了新藥研發(fā)，還能應用在新材料、新食品等領域。蛋白質設計的重要性毋庸置疑，但在AI介入前進展緩慢。
苗洪江認為，蛋白質設計共經(jīng)歷3個階段，每一階段的能力提升都與人類對蛋白質結構的理解分不開。
第一個階段是最早期的20世紀90年代。
這個階段只有少量的蛋白質結構，對于蛋白質折疊的理解也非常局限，這使得當時完全無法實現(xiàn)功能上的設計，只能通過手動拼接出很簡單的二級結構片段。
第二個階段，隨著蛋白質數(shù)據(jù)庫中的結構信息增加，研究人員得以從這些信息中總結出理性經(jīng)驗以及更為復雜的蛋白質能量函數(shù)關系，通過實踐設計出越來越多功能的蛋白質。
但在這個階段，蛋白質設計的流程很復雜，落地也非常困難。
而第三階段，也就是當下，借助AI的技術能力，研究人員已經(jīng)能夠從頭設計蛋白質，蛋白質設計的產業(yè)化應用也變得更加容易，標志著蛋白質設計已經(jīng)進入了全新的時代。
在AI算法的加持下，蛋白質結構預測與設計賽道結束了“無人問津”的狀態(tài)，逐步收獲了巨大的關注。
但在實際的產業(yè)實踐中，仍有各種困難阻礙推廣。在苗洪江看來，在這個階段，要推動整個領域的快速發(fā)展，比算法開發(fā)更重要的是要解決一些難以避免的困難。
首先，蛋白質設計本身就是一個門檻超高的交叉領域，串聯(lián)著非常多的學科知識。
苗洪江介紹，在這個領域的研究人員不僅需要具備生物計算的能力，可能還要具備結構生物學、計算化學、物理學等多方面的知識背景，高門檻導致了整個領域的推廣很難進行。
其次，現(xiàn)有平臺的能力過于單一。
苗洪江畢業(yè)于倫敦帝國理工學院計算生物系，在校時，他就曾參與開發(fā)Phyre2蛋白質結構預測及分析平臺，該平臺是目前全球最常用的模擬工具之一。
他注意到，即使平臺相對開源算法已經(jīng)大大減輕研究員的使用門檻，但平臺依然掣肘研究工作。
在AI+蛋白質設計工作里，需要調用多種算法能力，而單個平臺往往難以滿足所有需求。因此，一種很普遍的研究流程出現(xiàn)了——研究員需要在不同的算法平臺之間切換。
“在這個平臺上做計算，然后下來再去另一家平臺上做計算，把結果拿下來后，還要對不同平臺的計算結果進行對比分析，整個流程就非常亂套，嚴重阻礙了工作效率?！?/p>
CREATOR 要解決的正是這些痛點。
CREATOR工作臺集成了市面上優(yōu)秀的算法，包括天壤XLab自研的算法與所有外部開源和合作伙伴的算法。
研究員可以自由地選取算法，在CREATOR 上完成結構預測、蛋白質設計、特性分析優(yōu)化的工作，省去繁瑣的切換步驟。
工作臺采用可視化呈現(xiàn)，在使用過程中，研究員無需了解算法及其背后的原理，只需進行簡單的輸入，建立任務并運行，就能得到結果。
在工作臺上，研究員還可以對歷史任務進行跟蹤查看，以項目的方式對原本零散的任務進行分類、串聯(lián)和管理，一站式地完成從項目規(guī)劃到結果分析的整個流程。
CREATOR 適用于多肽、酶、抗體和各類功能蛋白質，使用時無需安裝軟件，在線登陸賬號就能啟用核心功能。
苗洪江這樣形容CREATOR 的作用，“當跨進門要上樓的時候，我們就是一個電梯，而不是需要一步一步走的樓梯?！?/p>
如EDA出現(xiàn)后，復雜的芯片功能設計、驗證與物理設計都能交由計算機處理，大大節(jié)省了時間及人力，推動芯片設計不斷往高精方向發(fā)展。
下一步，天壤XLab 將繼續(xù)擴充CREATOR 工作臺的功能和算法，建設蛋白質知識圖譜，并擴展已有的功能motif庫，以進一步賦能研發(fā)人員。
天壤XLab成立于2019年。
到目前為止，團隊已推出了單鏈蛋白質結構預測平臺TRFold2、蛋白質設計平臺TRDesign，專注復合體結構預測的TRComplex，以及不依賴MSA信息就能預測蛋白質結構的TRFold-single。
在這些單點能力上，天壤XLab 的TRFold2成績比較理想，去年在基于CASP14蛋白質測試集內測中，獲得了TM-score 打分82.7/100的成績，今年經(jīng)數(shù)據(jù)增強和模型參數(shù)擴增后得分達到90.2/100，僅次于全球第一名AlphaFold2的91.1/100的成績。
今年6月，天壤XLab宣布基于TRDesign成功設計了新冠刺突蛋白結合劑，意圖證明AI不僅能準確預測蛋白質結構，還能主動設計蛋白質。
但這些天壤XLab引以為傲的成績，在圈子外的人看來還不足以令人信服。實際上，整個AI蛋白質預測與設計賽道都面臨這樣的尷尬境地。
就在不久前，DeepMind宣布，AlphaFold 已經(jīng)確定了地球上幾乎所有已知生物體中大約2億種蛋白質的結構，以后確定科學已知的蛋白質預測模型將像用“谷歌搜索”一樣簡單。這一消息引起信徒們的狂歡，但遭受外界諸多質疑。
潘毅、周耀旗、許東等幾位生物信息學領域的學者在接受《醫(yī)健AI掘金志》采訪時表示，AlphaFold蛋白質結構數(shù)據(jù)庫新更新的海量數(shù)據(jù)中存在著部分結果結構不穩(wěn)定、不能應用于研究中等問題。
美國一位有著30年資深藥企從業(yè)經(jīng)歷的專家也發(fā)文抨擊：AlphaFold的作用純屬媒體夸大，靠結構預測做藥“純屬自嗨”。
苗洪江坦承，由于研發(fā)人員的背景經(jīng)歷不同，對事物的理解也存在差異，大家對于AI預測蛋白質結構的準確度和實用性尚有較大分歧，現(xiàn)在就讓大家理解并相信AI可以實現(xiàn)蛋白質設計及應用更是難上加難。
這是還處在年幼階段的賽道必須面對的現(xiàn)實。正是基于這些認知，天壤XLab選擇此時推出CREATOR工作臺，希望能通過降低蛋白質設計的門檻，推動技術普及。
據(jù)《醫(yī)健AI掘金志》了解，CREATOR工作臺將于10月1日正式上線，面向高校師生免費開放。到后期，天壤XLab也將推動CREATOR工作臺面向企業(yè)用戶的合作。
苗洪江表示，企業(yè)級的應用對于后端算力的壓力會更大，且相比高校，企業(yè)的需求也會偏向個性化，面向企業(yè)的服務還需要更完善的團隊來支持，公司正在積極籌備。
“這個工作臺能幫助我們解決很多問題，比如說，試用并了解這個領域后，會加深大家對AI設計蛋白質的認知，興趣會不斷增加，也能幫我們開啟更多合作?！?/p>
AlphaFold 取得突破性進展后，整個蛋白質計算領域十分火熱。盡管熱度已持續(xù)一段時間，但針對蛋白質計算領域的探索其實才剛剛開始。
在苗洪江看來，目前這個領域還遠遠算不上競爭激烈。
“這是因為之前蛋白質計算領域，特別是在國內，是很冷門的領域，在這個領域有足夠積累、了解需要做什么、應該怎么做、對如何將技術落地應用有足夠思考和布局的團隊其實非常的少?！?/p>
比如，最近國內一些高校才逐漸增設計算機加生物學的專業(yè)來培養(yǎng)復合型人才，作為根基的人才儲備都跟不上，這個領域很難談得上競爭激烈。
目前，雖然國內外都有不少公司圍繞著AlphaFold 算法做商業(yè)化，但苗洪江認為，真正屬于前沿的探索并不多。
苗洪江介紹，在這些商業(yè)化路徑中，“有用AlphaFold 做預測服務收費、售賣算力的，也有用AlphaFold 預測結果來做大范圍靶點搜索的，像美國的Cyclica，還有借助AlphaFold 輔助小分子藥物研發(fā)的，像英矽智能今年的一個試驗性管線就是借助了AlphaFold?！?/p>
而更前沿的探索，如蛋白質的從頭設計，以及把設計蛋白開發(fā)成大分子候選藥物，即發(fā)明（create）而不是現(xiàn)在AIDD更集中賦能的發(fā)現(xiàn)（screen）藥物，所面臨的技術難度和商業(yè)周期都要更困難、更漫長。
一個明顯的信號是，近年來AI制藥賽道狂奔，但更多的應用與賦能都是集中在小分子藥物研發(fā)中。
相較之下，大分子藥物數(shù)據(jù)稀缺，且技術壁壘更高，參與大分子藥物研發(fā)的AI制藥公司寥寥可數(shù)。
苗洪江表示，蛋白質從頭設計的關注熱度在國內要冷清不少，但在全球范圍，美國頭部的biotech，如Amgen、Genetech已經(jīng)有所布局，來自這些美國公司的成功經(jīng)驗，能夠給予國內創(chuàng)業(yè)者信心。
天壤XLab初期也以新藥研發(fā)為切入場景。
苗洪江提到，在蛋白質計算領域，學術和業(yè)界都非常關注的技術方向包括，如何以計算賦能藥物的靶點發(fā)現(xiàn)、如何設計優(yōu)化特定功能蛋白質、如何計算檢測蛋白質的各項理化特性等，CREATOR 工作臺將逐步上線相關的算法和能力支持。
“我們希望蛋白質設計在國內也能得到大范圍應用，但這項技術推廣的難度很大，所以我們開發(fā)了CREATOR 工作臺，希望能降低技術門檻，讓更多人進入這個領域做研究，從而更快地推動應用落地。”雷峰網(wǎng)(公眾號：雷峰網(wǎng)) 雷峰網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
