初创企业Evozyne使用NVIDIA（英伟达）提供的预训练AI模型，创造了两种在医疗和清洁能源领域具有重大潜力的蛋白质。
在今日发布的一篇联合论文中描述了这一过程及产出的蛋白质氨基酸序列。其中一种蛋白质用于治疗一种先天性疾病，另一种则可用于消耗二氧化碳以减少全球变暖。
初步研究结果展示了一种加速药物研发的新方法。
Evozyne联合创始人、论文共同作者Andrew Ferguson表示：“令人欣喜的是，这个AI模型第一轮产出的合成蛋白质就像自然生成的蛋白质一样。这表示该模型已经学会了自然界的设计规则。”
Evozyne使用了NVIDIA的ProtT5。ProtT5是一个Transformer模型，是用于创建医疗AI模型的软件框架和服务——NVIDIA BioNeMo的一部分。
分子工程师Ferguson的研究领域涵盖化学和机器学习领域，他表示：“BioNeMo非常强大。它让我们能够训练模型，然后以非常低的成本使用该模型来运行工作任务——在几秒钟内就能生成数百万个序列。”
该模型是Evovyne ProT-VAE流程的核心。ProT-VAE是一个工作流，其将BioNeMo与作为过滤器的变分自编码器（VAE）相结合。
他表示：“几年前，还没有人注意到可以使用大型语言模型与变分自编码器相结合的方式来设计蛋白质。”
就如同人读万卷书，NVIDIA的Transformer模型会读取数百万种蛋白质中的氨基酸序列。该模型运用神经网络用来理解文本的技术，学会了大自然如何构建蛋白质氨基酸序列的方式。
然后，该模型预测了如何组装出能够满足Evozyne需求的新蛋白质。
他表示：“这项技术正在助力我们开展工作，以实现十年前无法实现的梦想。”
机器学习有助于研究海量可能的氨基酸组合，然后有效地识别最有用的序列。
传统的蛋白质工程设计方法，即定向进化，采用的是一种缓慢、无计划的方法，通常一次只改变几个氨基酸的序列。
Evozyne的ProT-VAE流程采用了NVIDIA BioNeMo中强大的Transformer模型，生成有用的蛋白质，进而助力药物研发和能源领域实现可持续性。
相比之下，Evozyne 的方法只通过一轮，就能改变一个蛋白质中半数乃至以上的氨基酸。这相当于进行了数百次的突变。
他表示：“我们正在实现技术上的飞跃，这使我们能够探索以前从未见过的、具有有用的新功能的蛋白质。”
Evozyne计划使用新的工艺来构建各种能够对抗疾病和气候变化的蛋白质。
Ferguson表示：“NVIDIA 在此方面是一家非常出色的合作伙伴。”
Evozyne 数据科学家Joshua Moller表示： “他们通过将工作扩展到多个 GPU 来加快训练速度。
这将训练大型 AI 模型的时间从几个月缩短到一个星期。Ferguson 表示：“所以我们能够训练出原本不可能训练出的模型，比如一些有数十亿可训练参数的模型。”
使用AI加速蛋白质工程的前景十分广阔。
Ferguson注意到了扩散模型近期的发展：“这个领域的发展速度快得令人难以置信，我真的很期待日后的进一步发展。”
“没人知道我们五年后将能够走多远。”
随着AI在医疗领域的用途越来越广泛成熟，英伟达正在为行业提供越来越多的应用场景。尤其是在发现蛋白质等新药研究领域，英伟达的解决方案正在为行业快速发展提供基础，并远超出行业想象。毋庸置疑的是，英伟达很快将建立起自己在医疗行业的地位，就如同最初建立行业地位的“GeForce”在游戏界的地位一样，并为未来行业发展添砖加瓦。
渝公网安备 50011202502165号
