利用AI探索抗体“钥匙”、加速药物研发——访百图生科团队

图为在预测抗体结构表现上“xTrimoABFold”和“AlphaFold2”的对比　百图生科 供图

中新网北京6月12日电 题：利用AI探索抗体“钥匙”、加速药物研发——访百图生科团队

记者 张素

试想一下，人体里存在的蛋白质有着各种形态的“锁孔”，如果研发人员能够精准预测出形态并设计出相应的“钥匙”，就能大幅提高“解锁”效率，而这有助于加速更多前沿药物研发及其他生命科学项目进程……

记者采访获悉，包括发布生命科学大模型驱动的AIGP(AI Generated Protein)平台在内，百图生科研发团队已取得一系列积极进展。

合作研发，为药物开发创新思路方法

近一段时间，西湖大学陈子博实验室与百图生科基于AIGP平台共同开展AND-gate蛋白设计研究项目。此举旨在设计出具有分子逻辑门功能的人造“智能”蛋白质，实现对复杂生命系统的精准信号响应和调控，为诸多疾病诊疗提供创新性解决方案。

“我们利用AIGP平台，在较短时间内设计和生成具有特定性质的蛋白质。这不仅为AND-gate蛋白的设计和应用奠定了基础，也为创新药物开发提供了新的思路和方法。”百图生科首席执行官刘维在受访时说。

图为百图生科首席执行官刘维 百图生科 供图

刘维还以与逻晟生物方面合作探索肿瘤新靶点为例说，利用自主研发的肿瘤免疫逃逸靶点确认平台(Tier-A)，将创新成果快速赋形为具有全新作用机制生物大分子，“平时实验室解析晶体结构需要几个月时间，而AIGP平台将这一过程缩短到一两周时间。”

在百图生科首席技术官、首席AI科学家宋乐看来，靶点发现、化合物合成和筛选是新药研发的关键环节，AI大模型有望实现该过程效率和效果的双重提升，“我们希望在计算机里更快地设计出满足‘锁孔’精度的‘钥匙’，加快人工设计蛋白进化的速度，从而解决生命科学行业的痛点问题。”

据知，百图生科将于近期面向潜在合作方和专业研究者开放AIGP平台的部分用户界面。他们还计划在一年内发布AIGP2.0版本，以期提供更多任务模型训练等能力。

更快更准，推动模型迭代与应用落地

亮点纷呈的AIGP平台，背后依托的是大规模多模态模型体系“xTrimo”。

据知，“xTrimo”由千亿参数的预训练模型和多个下游任务模型组成，模型采取4层嵌套结构的设计逻辑。今年4月，百图生科发布数据显示，抗体结构预测模型“xTrimoABFold++”展现出更高的准确性和效率。相较于“AlphaFold2”，其推理速度快540倍、运行速度快151倍，可在3秒内精确预测抗体的原子级结构。

“数据的准确度或质量会对模型表现造成直接影响。”宋乐解释取得这份“成绩单”的原因时说。研发团队还对公开数据进行了精细的对齐工作，并以内部实验室数据为高质量数据的补充，有效应对数据挖掘和利用的挑战。而在算力方面，他们此前构建的生物超算平台支持动态获取高达几千到几万个GPU，以及相应的CPU资源。

“xTrimo”体系中的另一个子模型“xTrimoGene”，及其面向更多下游任务的版本“ scFoundation”也受到广泛关注。近日，由百图生科联合清华大学发布的论文结果表明，在细胞类型注释、扰动预测和协同药物组合等6个单细胞领域基础任务和下游应用场景上，xTrimoGene、scFoundation综合表现超过经典方法，实现了行业SOTA。

“我们要把基础工作做到极致，还将进一步提高模型的精度和速度，包括将抗体结构的预测速度提升到毫秒级等。”宋乐说。

与此同时，刘维表示，他们也希望向行业开放部分能力，征集更多生态合作伙伴，推动大模型快速迭代与应用落地，并形成高质量的数据闭环。

面向未来，创造更多更美好的蛋白质

先由科研人员输入对目标蛋白质的各种参数需求，算法生成蛋白质。接着，蛋白质被自动打印出来，科研人员只需拿着由算法自动化生产出来的蛋白质进一步科学验证……这是刘维心中对于未来“蛋白质工厂”的设想。

“希望在未来5年内将AIGP平台带到全新水平，为世界创造更多更美好的蛋白质，助力开创更美好的生活。”他说。

面向未来，百图生科还面向前沿生物技术专家、药物开发专家和临床专业团队等发起了“卓越开发者计划”。宋乐解释说，这项计划将为高质量的转化医学研究项目提供科研经费和引擎能力支持。他还表示，百图生科已组建跨多个学科背景的人才团队，确保科研成果持续产出。

须注意的是，随着AI蛋白设计应用领域不断拓展，相关方面基于AIGP平台等开展的合作不仅限于狭义的抗体药物研发，而是进入多种大分子药物、细胞基因疗法、生命科学工具等领域，并延伸至环保、石油、食品等领域，利用AI生成创新蛋白质的能力，解决更多现实问题。比如，科研人员正在探索能够高效分解塑料或加速特定能源生产制备的蛋白酶。

刘维表示，在努力扩展目标领域和业务模式的同时，他们保持着不变的初心，那就是“用AI大模型、前沿生物计算技术等，建模复杂的生命体，并设计全新的蛋白以应对挑战”。尽管投入巨大，他们依然会在这条道路上坚定前行。(完)