青年报·青春上海记者 刘昕璐 通讯员 符云霞 江倩倩

提起蛋白质，你会想到什么？肉、蛋、奶，这些食物中含有丰富的蛋白质，可以为人们提供身体所需的营养。但天然的蛋白质难以发挥这些功能，需要对蛋白质的功能进行设计和改造，才能使它成为满足应用需求的产品。然而，这并不是一件容易的事——一款功能过硬的蛋白质产品的诞生，通常需要丰富的专家经验配合数以万计的实验试错，长期以来，蛋白质设计改造的时间长、成本高、试错密集问题，一直是业界难题。

3月22日，上海交通大学洪亮教授团队发布最新成果，使这些问题迎刃而解。团队将AI与蛋白质设计与改造相结合，建立了全球最大的蛋白质数据集，基于该数据集训练的模型，可以精准、高效地预测、设计蛋白质的功能，把蛋白质生产由“缓慢的试错”变为“高效率的精准设计”。该成果配合行业领先的自动化设备，已经进行产业化落地，把蛋白质设计从原先的“复杂科学”变为如今的“简单工程”。

AI时代，数据是推动技术进步的核心资源，庞大的蛋白质序列数据集为AI模型提供了丰富的“学习材料”，能帮助模型更好地理解蛋白质的序列、结构和功能关系。洪亮团队建立的蛋白质序列数据集Venus-Pod（Venus-Protein Outsize Dataset）含有近90亿条蛋白质序列，包含数亿个功能标签，是全球数据规模最大、功能批注标签最多的数据集，也是另一行业知名模型——美国ESM-C模型训练用的21亿蛋白质序列的4倍体量。

该数据集包含36.2亿条陆地微生物蛋白质序列、26.4亿条海洋微生物蛋白质序列、24.3亿条抗体蛋白质序列、0.6亿条病毒蛋白质序列，覆盖从常规地表生物到极端环境微生物的蛋白质序列信息，尤其是配备的数亿功能标签（蛋白质工作的温度、酸碱度、压强等）。

这些数据意味着什么？洪亮表示，首先该数据集构成了巨大的“蛋白质矿藏”，使得人类有可能挖掘新的蛋白或者生物催化剂，助力生物医药和合成生物学的快速发展；其次，AI大模型有望通过海量数据的学习和掌握自然界蛋白质的进化模式，为AI设计优异的蛋白质产品提供了宝贵的学习资料。

“我们训练了Venus（启明星）系列模型，与DeepMind团队的AlphaFold预测蛋白质结构不同，这个模型学习自然界蛋白质序列的组织规则以及它与功能之间的关系，其预测蛋白质突变功能的精度位居行业榜单之首。”洪亮说，Venus系列模型具备两大核心功能，即“AI定向进化”与“AI挖酶”。所谓“AI定向进化”是指 Venus系列模型可以对一个不尽如人意的蛋白质产品的多种性能进行优化，让它成为一个“六边形战士”满足应用需求。

“AI挖酶”则是指 Venus 系列模型基于其海量的未知功能蛋白质数据集，可以“海选超能力战士”，去精准发掘满足苛刻应用需求的具备超常规功能的蛋白质，比如极度耐热、极度耐酸、极度耐碱、极度耐胃肠消化等。这些超常规功能的蛋白质在生物技术、医药研发和工业生产中具有巨大的应用潜力，能够为相关领域带来创新和突破。

“设计AI化，实验自动化”，如此，就能让科研人员从繁琐的设计和实验中解放出来，他们只需要提出问题，AI和自动化来解决问题，最终将复杂的蛋白质科学发现变成“傻瓜相机式”的简单过程。据介绍，目前，已有多款产品落地，有望助力阿尔茨海默等疾病的诊断。

青年报·青春上海记者 刘昕璐 通讯员 符云霞 江倩倩

编辑：陆天逸

来源：青春上海News—24小时青年报