我們知道，一些疾病的發生主要由蛋白質結構的改變導致。然而，傳統的電腦輔助藥物設計方法無法有效穿透龐大的藥物化學空間。 因此，預測蛋白的結構對設計藥物分子十分重要。
既然電腦輔助設計行業捧出了第一家2萬億美元市值的芯片公司，那麽，電腦輔助藥物設計行業為什麽就不能掀起一場顛覆性的革命呢？
AI加速從「制藥」走向「智藥」
人工智慧技術為高效低成本的藥物研發帶來了希望，眾多公司爭相進入。
在國內， 菲鵬集團旗下的子公司菲鵬數輝日前釋出了AI蛋白質動態構象創新模型「DeepConformer」， 帶來人工智慧在藥物設計領域套用的重大突破。DeepConformer依據蛋白質胺基酸序列生成對應的動態三維結構的生成式AI演算法模型，集快捷高效、功能強大、套用廣泛三大亮點於一體。DeepConformer最具突破性的是從蛋白質序列出發，直接預測蛋白質三維結構的多種動態構象和動態關聯，印證菲鵬數輝創始人兼首席科學官馬步勇教授提出的「構象選擇」理論。
除此之外，此模型基於公開的蛋白質結構資料庫訓練，采用AI輔助蛋白質動態構象技術，長度為180個胺基酸的蛋白質采樣一個結構耗時僅約4秒，使構象采樣效率大幅提升，計算成本顯著下降。除此之外，在捕捉蛋白質的功能動態以及在不同蛋白分子系統中的泛化能力方面，DeepConformer都表現卓越。用馬步勇教授的話說，「這種從序列到動態構象的預測模式，你可以理解為透過AI工具，輸入文本即可生成視訊，效率得到大幅提升」。
菲鵬數輝還展示了三大創新技術平台 ，包括基於DeepConformer模型的AI蛋白質工程平台、AI抗體篩選最佳化平台以及RNA設計AI平台，全面展現其技術在制藥、合成生物、免疫檢測等廣泛領域的商業化套用前景。
除菲鵬數輝外，還有其他幾家公司在AI蛋白質結構預測領域有所建樹。例如，西湖大學開發的AI蛋白質構象工具ProtMD已經是業內翹楚，其在靜態構象預測方面表現卓越，但在蛋白質動態模擬上仍有較大發展空間。國外市場上如DeepMind開發的AlphaFold（AF）和華盛頓大學Baker實驗室開發的AI模型RoseTTAFold(RF)等也各有優勢。AlphaFold是目前最廣為人知的蛋白質結構預測AI模型。該模型基於深度學習演算法，可以準確預測蛋白質的三維結構。在實際套用中的表現極為出色，它在很大程度上解決了蛋白質折疊問題。而RoseTTAFold適用於復雜蛋白質結構預測，是AlphaFold的有力競爭者，在藥物設計和基礎研究中表現出色。菲鵬數輝DeepConformer的入局，為蛋白質動態構象預測領域註入了新的動力。
總之，評價一款模型是否優越必須多角度分析，比如模型的創新性，數據的質與量、模型的復雜性與計算成本之間的權衡、泛化能力的強度、模型的可解釋性、透明度和私密保護等方面，這樣才能確保技術在實際套用中的有效性和可靠性。
多場景套用，開啟藥物研發新紀元
對於一款蛋白質構象模型，業界更關註其解決行業痛點的能力及商業化套用的前景。當前的藥物設計面臨著多重挑戰，步步艱難。首先，研發周期長、費用高昂，通常需要十年以上和數十億美元的投入；在計算領域，傳統的分子動力學模擬方法耗費大量計算資源和時間。再之，傳統基於結構的藥物設計忽略了目標蛋白結構實際是呈現出一種持續動態變化狀態這一關鍵點， 這點極大的限制了藥物研究的品質和效率，也是藥物研發成功與否的關鍵因素。
可見，傳統技術亟待提升。菲鵬數輝將人工智慧與分子模擬技術相融合的生成式AI模型，能有效解決研發周期及成本的問題。兩種技術互補的特性為兩者在藥物設計領域的結合提供了多種可能，比如人工智慧模型擴充套件了蛋白分子構象的景觀，提高了構象采樣的效率，可提高藥物設計研究的效率，並降低了人為因素對模擬結果的影響。而透過分子模擬，能直觀形象地觀察到藥物分子之間的交互作用過程，準確判斷藥物分子與受體結合的可能位點，兩者結合，達到了計算資源與計算準確度的平衡。
在商業化套用方面，菲鵬數輝的核心技術展現出巨大潛力。 首先，在新藥研發方面，菲鵬數輝正在展開和加強與制藥企業合作，共同加速新藥的開發和商業化，降低研發成本，提高藥物上市速度。此外，其三大技術平台還廣泛套用於生物學研究，如蛋白質功能研究、病理機制解析等，從而推動基礎科學的進步。
AI蛋白質工程平台可用大分子藥物開發，例如，透過對特定蛋白質靶點的動態構象預測，快速篩選並最佳化蛋白分子，使得新藥開發周期縮短。同時，結合數輝自研的蛋白De novo設計模組，能針對靶點生成全新的蛋白分子藥物。該平台還可以用於對蛋白分子包括穩定性，成藥性等性質預測最佳化。 在合成生物學領域， 該平台還可以被用於最佳化蛋白酶，使其在生物催化過程中表現出更高的效率，從而降低生產成本。 在酶工程領域， 平台可幫助研發更高效的工業酶，推進綠色化工的發展。
在抗體藥物研發中， 菲鵬數輝的AI抗體篩選最佳化平台將幫助生物技術公司快速篩選出數百個具有高特異性和親和力的候選抗體，並可以透過進一步最佳化成功開發出新型抗體藥物，顯著提高治療效果。同時，平台結合抗體預測模組及抗體性質最佳化模組，可套用於免疫檢測領域，顯著提高檢測試劑對疾病檢測的靈敏度和精確性。 在疾病治療方面， 透過篩選和最佳化抗體，平台可輔助多靶點抗體藥物設計，雙抗設計等。此外， 在傳染病領域， 平台可快速開發針對新興病原體的抗體，實作快速響應並控制疫情。
菲鵬數輝的RNA設計AI平台可助力mRNA疫苗開發，透過對mRNA序列的最佳化，提高疫苗的穩定性和免疫原性，使其在臨床試驗中表現出更好的安全性和有效性，輔助疫苗上市行程的加速。該平台也可在基因療法中發揮重要作用，比如透過最佳化mRNA序列，用於對治療罕見遺傳疾病提供更有效的治療方案。該平台也可以最佳化環狀RNA序列，基於IRES的序列最佳化以及密碼子最佳化，使得環狀RNA的穩定性和表達量都得到了提升。數輝還研發了適配體蛋白親和力預測平台，可針對靶蛋白快速篩選出具有結合力的適配體序列，為體外診斷提供了可靠的辨識元件。
寫在文末
不難窺見， 菲鵬數輝儼然成為了國內AI構建蛋白質動態結構的破局者。
菲鵬數輝顯然已經立於潮頭。正如李白所言，「長風破浪會有時，直掛雲帆濟滄海」。 未來，隨著技術的不斷成熟，我們也希望看到菲鵬數輝的技術能在更多領域開拓商業化套用，推動生物醫藥行業的發展。
