终于有人用 AIGC「干正事」了—— 设计蛋白质生物学家的梦想：定制化生成

生物学家的梦想：定制化生成蛋白质。
AIGC的能力惊艳了所有人，背后的技术——扩散模型，也启发了生物学家。而当生物学家将这项技术「为己所用」，就带来了技术升级：更准确地设计全新的、从来不存在的蛋白质。结果比目前已经存在的模型都更加优秀。无论是OpenAI的DALL-E ，还是开源的StableDiffusion ，能生成以假乱真绘画，背后的关键技术都离不开扩散模型。
2022年，人们获得了一项前所未有的绘画超级工具。普通人只要用语言给出描述、或者几个关键词，就可以用AI程序生成一张媲美专业画师的作品。拥有了这样工具的人，即使没有学过绘画、不会操作任何设计软件，也像是拥有了神笔的马良。而一些专业的视觉设计从业人员，也开始尝试用新的工具辅助工作。这一波AI绘画的火热，再一次证明了AI图像技术的发展。不是几年前的识别是人还是车、是猫还是狗，而是直接生成。

文章图片
AI生成的图像｜来源：网络
而技术带来的想象远不止理解语言、生成图像，也能给科学家提供强大的工具。也许你还记得去年夏天的AI刷屏， DeepMind推出的AlphaFold2解决了困扰生物学家五十多年的难题——蛋白质预测。随着这一话题的热度攀升，人们逐渐意识到了AI的另一种强大力量。曾经需要科学家在实验室里花费数月甚至数年，才能够测得某个蛋白质的结构，如今输入一串氨基酸序列，就可以得到预测的结构。
【终于有人用 AIGC「干正事」了—— 设计蛋白质】DeepMind的创始人兼CEODemisHassabis说，「我认为，未来十年我们会看到更多这样的事情ーー人工智能真正有助于真正加速一些科学突破ーー我们希望成为更多科学突破的一部分。我们认为这只是个开始。」
科技突破往往发生在交叉领域，蛋白质预测突破背后，一个关键便是源自自然语言处理的技术Transformer ，应用在了生物领域。这样的模式正继续发生：源自AI绘画领域的扩散模型，正在加速蛋白质设计。
蛋白质设计可以做的事情太多了。这项能力让人类得以生产分子级别的「机器」，它们可以是新的药物、疫苗、新的纳米材料、为特殊反应定制的酶……甚至可以作为污染处理方案，分解环境中的有毒分子。
01
从预测到设计
蛋白质执行着生命的各项功能，也是生命系统中最重要的「分子元件」。比如，当新冠病毒感染人体时，在微观层面，首先是两种蛋白的结合。病毒表面的刺突蛋白（S蛋白）结合了人体内细胞上的另一种蛋白——ACE2 。

文章图片
新冠病毒电镜扫描3D图，粉色的部分为刺突蛋白｜来源：Nanographics
决定一个蛋白质拥有怎样功能的，是它的结构。「氨基酸序列——结构——功能」三者间的对应关系，是理解一个蛋白质的密码。最难的是「氨基酸序列——结构」之间的关系，因为一条氨基酸长链条折叠成什么样，有无数种可能性。究竟如何折叠，受到氨基酸之间化学反应、蛋白质所处环境等各种因素的影响。科学家目前掌握了蛋白质折叠的基本原理：蛋白质会折叠到能量最低的状态，然后保持结构稳定。 AlphaFold2则用更优的模型+暴力计算，一举超越了之前所有的计算方法。
蛋白质设计，是结构预测的逆向问题。两者像是「序列——结构」这道题的正反求解。已知序列、求解三维结构，是结构预测；设定某个三维结构、求解序列，便是蛋白质设计。