3月22日，上海交通大學洪亮教授團隊發(fā)布了一款名為Venus的蛋白質(zhì)設(shè)計模型。該團隊將AI技術(shù)與蛋白質(zhì)設(shè)計及改造相結(jié)合，建立了全球最大的蛋白質(zhì)數(shù)據(jù)集?；诖藬?shù)據(jù)集訓練的模型能夠精準、高效地預測和設(shè)計蛋白質(zhì)的功能，從而將蛋白質(zhì)生產(chǎn)從“緩慢的試錯”轉(zhuǎn)變?yōu)椤案咝实木珳试O(shè)計”。

這一成果配合行業(yè)領(lǐng)先的自動化設(shè)備，已經(jīng)實現(xiàn)了產(chǎn)業(yè)化落地，使得蛋白質(zhì)設(shè)計從原先復雜的科學研究變?yōu)楹唵蔚墓こ虇栴}。洪亮團隊建立的蛋白質(zhì)序列數(shù)據(jù)集Venus-Pod包含近90億條蛋白質(zhì)序列，其中包含數(shù)億個功能標簽，是目前全球規(guī)模最大、功能批注標簽最多的數(shù)據(jù)集。該數(shù)據(jù)集涵蓋了陸地微生物、海洋微生物、抗體以及病毒等多類蛋白質(zhì)序列信息，并配備了詳細的功能標簽。

洪亮指出，這個龐大的數(shù)據(jù)集為挖掘新的蛋白或生物催化劑提供了寶貴資源，有助于生物醫(yī)藥和合成生物學的發(fā)展。同時，通過學習海量數(shù)據(jù)，AI大模型可以掌握自然界蛋白質(zhì)的進化模式，為設(shè)計優(yōu)異的蛋白質(zhì)產(chǎn)品提供支持。2024年諾貝爾化學獎頒發(fā)給谷歌DeepMind團隊，表彰他們利用AI技術(shù)解決了蛋白質(zhì)序列到三維結(jié)構(gòu)解析的難題。然而，即便蛋白質(zhì)的氨基酸序列僅發(fā)生微小變化，其功能也可能大幅下降甚至喪失。因此，成功設(shè)計出具有特定功能的蛋白質(zhì)不僅需要關(guān)注其三維結(jié)構(gòu)，還要能準確預測其功能。

為此，洪亮教授團隊直接瞄準了“功能預測”的目標，開發(fā)了Venus系列模型。不同于AlphaFold專注于預測蛋白質(zhì)結(jié)構(gòu)，Venus模型更側(cè)重于學習自然界蛋白質(zhì)序列的組織規(guī)則及其與功能之間的關(guān)系。Venus系列模型具備兩大核心功能：“AI定向進化”與“AI挖酶”。前者可以優(yōu)化蛋白質(zhì)產(chǎn)品的多種性能，使其更好地滿足應用需求；后者則基于海量未知功能蛋白質(zhì)數(shù)據(jù)集，發(fā)掘具備超常規(guī)功能的蛋白質(zhì)，如極度耐熱、耐酸、耐堿等特性，在生物技術(shù)、醫(yī)藥研發(fā)和工業(yè)生產(chǎn)中具有巨大潛力。

此外，配合Venus系列模型使用的低通量大體積蛋白質(zhì)表達、純化與功能檢測自動化一體機，可在24小時內(nèi)完成100多個蛋白質(zhì)樣品的處理任務，顯著提高了實驗效率。目前，經(jīng)過Venus系列模型設(shè)計的多款蛋白質(zhì)已實現(xiàn)產(chǎn)業(yè)化。例如，金賽藥業(yè)借助該模型在不到一年內(nèi)將單域抗體的耐堿性提升了四倍，每年可節(jié)省上千萬元成本。另一案例是對某體外診斷公司堿性磷酸酶（ALP）活性的成功提升，使其分子活性超出國際頭部公司產(chǎn)品三倍，為超敏檢測診斷帶來重要價值。