本文轉自：新民晚報

建立全球最大蛋白質數據集

上海交大研發新模型，助力生物醫藥和合成生物學快速發展

本報訊（記者 王蔚）上海交通大學洪亮教授團隊今天上午發佈最新成果，團隊將AI與蛋白質設計與改造相結合，建立了全球最大的蛋白質數據集。基於該數據集訓練的模型，可精準、高效地預測、設計蛋白質的功能，把蛋白質生產由“緩慢的試錯”變為“高效率的精準設計”。

提起蛋白質，人們首先想到的是肉、蛋、奶這些食物中含有的豐富蛋白質，它可以為人們提供身體所需的營養。但天然的蛋白質難以發揮這些功能，需要對蛋白質的功能進行設計和改造，才能使它成為滿足應用需求的產品，這並不是一件容易的事。因為，一款功能過硬的蛋白質產品的誕生，通常需要豐富的專家經驗，並配合數以萬計的實驗試錯。長期以來，蛋白質設計改造的時間長、成本高、試錯密集等問題，一直是業界公認的普遍性難題。

“蛋白質是由氨基酸序列構成的，氨基酸序列的長度從數百個到上千個不等。AI時代，數據是推動技術進步的核心資源，龐大的蛋白質序列數據集為AI模型提供了豐富的‘學習材料’，能説明模型更好地理解蛋白質的序列、結構和功能關係。”洪亮介紹，他們團隊建立的蛋白質序列數據集Venus-Pod（Venus-Protein Outsize Database）含有近90億條蛋白質序列，包含數億個功能標籤，是全球數據規模最大、功能批註標籤最多的數據集，也是另一行業知名模型——美國ESM-C模型訓練用的21億蛋白質序列的4倍體量。這意味著由中國科研人員創立的資料庫構成了巨大的“蛋白質礦藏”，使得人類有可能挖掘新的蛋白質或者生物催化劑，助力生物醫藥和合成生物學的快速發展。與此同時，配合Venus系列模型的全球首款低通量大體積蛋白質表達、純化與功能檢測自動化一體機，可在24小時內不間斷地完成100余個蛋白質的表達、純化與檢測任務，較人力效率提高近10倍，將大大減少研發過程中的人力、物力和時間成本投入，顯著提高蛋白質工程與合成生物學研究的效率。

洪亮說，Venus系列模型具備兩大核心功能：“AI定向進化”與“AI挖酶”。所謂“AI定向進化”是指Venus系列模型可以對一個不盡如人意的蛋白質產品的多種性能進行優化，讓它成為一個“六邊形戰士”滿足應用需求。“AI挖酶”則是指Venus系列模型基於其海量的未知功能蛋白質數據集，可以“海選超能力戰士”，去精準發掘並滿足苛刻應用需求的具備超常規功能的蛋白質，比如極度耐熱、極度耐酸、極度耐鹼、極度耐胃腸消化等。這些超常規功能的蛋白質在生物技術、醫藥研發和工業生產中具有巨大的應用潛力，能夠為相關領域帶來創新和突破。

據悉，經過Venus系列模型設計的多款蛋白質已實現落地產業化，將助力阿爾茨海默病等疾病的診斷。