Шанхайский транспортный университет выпустил модель дизайна белков, которая с использованием ИИ может эффективно и точно разрабатывать связанные функции.
22 марта команда профессора Хун Ляна из Шанхайского транспортного университета представила модель дизайна белка Venus. Эта команда объединила ИИ с дизайном и модификацией белка, создав крупнейшую в мире базу данных белков. Модель, обученная на этой базе данных, может точно и эффективно прогнозировать и разрабатывать функции белка, превращая производство белков из "медленного проб и ошибок" в "высокоэффективный точный дизайн".
Данный результат, в сочетании с передовым автоматизированным оборудованием, уже реализован в промышленности, превратив проектирование белков из ранее «сложной науки» в нынешнюю «простую инженерию».
Команда Hongliang создала набор данных последовательностей белков Venus-Pod (Venus-Protein Outsize Dataset), который содержит почти 9 миллиардов последовательностей белков и включает в себя сотни миллионов функциональных меток. Это самый крупный в мире набор данных по объему и количеству функциональных аннотаций, а также в 4 раза больше, чем 2,1 миллиарда последовательностей белков, использованных для обучения известной модели в другой сфере — американской модели ESM-C.
Данный набор данных содержит 3,62 миллиарда последовательностей белков наземных микробов, 2,64 миллиарда последовательностей белков морских микробов, 2,43 миллиарда последовательностей антител и 60 миллионов последовательностей белков вирусов, охватывающих информацию о белковых последовательностях от обычных наземных организмов до микробов, обитающих в экстремальных условиях, особенно с миллионами функциональных меток (температура работы белков, уровень pH, давление и т.д.).
Хунлян отметил, что этот набор данных представляет собой огромные "протеиновые залежи", которые открывают возможность человечеству извлекать новые белки или биокатализаторы, способствуя быстрому развитию биомедицины и синтетической биологии; во-вторых, большие модели ИИ могут, обучаясь на огромных объемах данных и усваивая эволюционные модели белков в природе, предоставить ценные учебные материалы для разработки превосходных белковых продуктов ИИ.
В 2024 году Нобелевская премия по химии была вручена команде Google DeepMind, которая с помощью технологий ИИ точно проанализировала связь между последовательностью белка и его трехмерной структурой, решив основную проблему, которая беспокоила биологов на протяжении 50 лет.
Тем не менее, существует реальная проблема: если немного изменить последовательность аминокислот в белке, даже если это всего лишь 1% небольшого изменения, общая структура белка, кажется, не претерпевает значительных изменений, но его функция, скорее всего, ухудшится или даже полностью потеряется.
Другими словами, чтобы разработать успешный продукт на основе белка, необходимо не только сосредоточиться на его трехмерной структуре, но и суметь успешно предсказать и спроектировать его функции.
Поэтому команда профессора Хонгляна "находит новый путь", больше не сосредотачиваясь на структуре белков, а напрямую нацеленная на "прогнозирование функции" как конечную цель, превращая сложный процесс дизайна белков в простой процесс, ориентированный на потребности, с небольшим количеством экспериментов для получения результатов.
"Мы обучили модель серии Venus (Венера). В отличие от AlphaFold команды DeepMind, которая предсказывает структуру белков, эта модель изучает организационные правила последовательностей белков в природе и их связь с функцией. Точность предсказания функциональности мутаций белков этой модели является ведущей в отрасли", - заявил Хун Лян.
Модели серии Venus обладают двумя основными функциями: "AI-ориентированная эволюция" и "AI-выработка ферментов".
Термин «AI-ориентированная эволюция» относится к тому, что модели серии Venus могут оптимизировать различные характеристики неидеального белкового продукта, чтобы он стал «шестиугольным воином», соответствующим требованиям применения.
"AI-выявление ферментов" относится к модели серии Venus, которая на основе ее обширного набора данных о неизвестных функциональных белках может "выбирать суперсолдат", чтобы точно выявить белки с необычными функциями, удовлетворяющими строгим требованиям приложений, такими как высокая термостойкость, высокая кислотостойкость, высокая щелочестойкость и высокая стойкость к пищеварению.
Эти экстраординарные функции белков имеют огромный потенциал применения в биотехнологии, разработке медицинских препаратов и промышленном производстве, что может привести к инновациям и прорывам в соответствующих областях.
Тем временем, совместно с первой в мире автоматизированной системой низкопоточной крупногабаритной экспрессии, очистки и функционального анализа белков серии Venus, можно без перерыва выполнять задачи по экспрессии, очистке и анализу более 100 белков в течение 24 часов, что увеличивает эффективность по сравнению с ручным трудом почти в 10 раз, значительно сокращая затраты на труд, материалы и время в процессе разработки, и значительно увеличивая эффективность исследований в области белковой инженерии и синтетической биологии. Его цель - "Дизайн с использованием ИИ, автоматизация экспериментов", чтобы освободить исследователей от громоздких процессов дизайна и экспериментов; им нужно лишь задавать вопросы, а ИИ и автоматизация решают проблемы, в конечном итоге превращая сложные открытия в области белковой науки в простой процесс "как у фотоаппарата".
В настоящее время несколько белков, разработанных с использованием модели серии Venus, уже были успешно внедрены в промышленность.
В качестве примера можно рассмотреть адаптацию однодоменных антител к щелочной устойчивости, проведенную ведущей китайской фармацевтической компанией JinSai Pharma. Повышение щелочной устойчивости белков всегда было крайне сложной задачей. Команда Хунляна использовала эту модель в сочетании с небольшим количеством влажных экспериментов для итеративной проверки и менее чем за год увеличила щелочную устойчивость обычных однодоменных антител в 4 раза, что сэкономило компании JinSai Pharma более десяти миллионов юаней в год. Этот результат уже достиг нескольких партий увеличенного производства объемом 5000 литров, став первым в мире белковым продуктом, спроектированным с помощью больших моделей и произведенным в крупных масштабах.
Инновационное применение модели Venus серии заключается в проекте модификации щелочной фосфатазы (ALP) для одной из компаний по диагностике в vitro. ALP широко используется в качестве маркировочного фермента благодаря своей высокой стабильности и чувствительности; чем выше его активность, тем выше чувствительность обнаружения, что позволяет выявлять крайне низкие биомаркеры. Однако повышение активности ALP всегда было сложной задачей. Модель Venus серии успешно оптимизировала ALP, увеличив его молекулярную активность в 3 раза по сравнению с продуктами ведущих международных компаний, что приносит огромную ценность для сверхчувствительной диагностике (например, инфаркт миокарда, болезнь Альцгеймера). В настоящее время модифицированный ALP перешел на стадию масштабирования производства до 200 литров, что знаменует собой успешную промышленную трансформацию модели Venus серии.
Содержание носит исключительно справочный характер и не является предложением или офертой. Консультации по инвестициям, налогообложению или юридическим вопросам не предоставляются. Более подробную информацию о рисках см. в разделе «Дисклеймер».
Награда
лайк
1
Поделиться
комментарий
0/400
GateUser-488cbe78
· 03-24 02:31
Новости Odaily Ethena команда объявила в официальном Discord канале, что страница для проверки аирдропа Season3 будет запущена на первой неделе апреля, до этого времени официальные лица предоставят больше информации о распределении аирдропа Season3. Кроме того, Ethena также объявила, что мероприятие Season4 начнётся 24 марта и продлится 6 месяцев до 24 сентября.
Шанхайский транспортный университет выпустил модель дизайна белков, которая с использованием ИИ может эффективно и точно разрабатывать связанные функции.
22 марта команда профессора Хун Ляна из Шанхайского транспортного университета представила модель дизайна белка Venus. Эта команда объединила ИИ с дизайном и модификацией белка, создав крупнейшую в мире базу данных белков. Модель, обученная на этой базе данных, может точно и эффективно прогнозировать и разрабатывать функции белка, превращая производство белков из "медленного проб и ошибок" в "высокоэффективный точный дизайн".
Данный результат, в сочетании с передовым автоматизированным оборудованием, уже реализован в промышленности, превратив проектирование белков из ранее «сложной науки» в нынешнюю «простую инженерию».
Команда Hongliang создала набор данных последовательностей белков Venus-Pod (Venus-Protein Outsize Dataset), который содержит почти 9 миллиардов последовательностей белков и включает в себя сотни миллионов функциональных меток. Это самый крупный в мире набор данных по объему и количеству функциональных аннотаций, а также в 4 раза больше, чем 2,1 миллиарда последовательностей белков, использованных для обучения известной модели в другой сфере — американской модели ESM-C.
Данный набор данных содержит 3,62 миллиарда последовательностей белков наземных микробов, 2,64 миллиарда последовательностей белков морских микробов, 2,43 миллиарда последовательностей антител и 60 миллионов последовательностей белков вирусов, охватывающих информацию о белковых последовательностях от обычных наземных организмов до микробов, обитающих в экстремальных условиях, особенно с миллионами функциональных меток (температура работы белков, уровень pH, давление и т.д.).
Хунлян отметил, что этот набор данных представляет собой огромные "протеиновые залежи", которые открывают возможность человечеству извлекать новые белки или биокатализаторы, способствуя быстрому развитию биомедицины и синтетической биологии; во-вторых, большие модели ИИ могут, обучаясь на огромных объемах данных и усваивая эволюционные модели белков в природе, предоставить ценные учебные материалы для разработки превосходных белковых продуктов ИИ.
В 2024 году Нобелевская премия по химии была вручена команде Google DeepMind, которая с помощью технологий ИИ точно проанализировала связь между последовательностью белка и его трехмерной структурой, решив основную проблему, которая беспокоила биологов на протяжении 50 лет.
Тем не менее, существует реальная проблема: если немного изменить последовательность аминокислот в белке, даже если это всего лишь 1% небольшого изменения, общая структура белка, кажется, не претерпевает значительных изменений, но его функция, скорее всего, ухудшится или даже полностью потеряется.
Другими словами, чтобы разработать успешный продукт на основе белка, необходимо не только сосредоточиться на его трехмерной структуре, но и суметь успешно предсказать и спроектировать его функции.
Поэтому команда профессора Хонгляна "находит новый путь", больше не сосредотачиваясь на структуре белков, а напрямую нацеленная на "прогнозирование функции" как конечную цель, превращая сложный процесс дизайна белков в простой процесс, ориентированный на потребности, с небольшим количеством экспериментов для получения результатов.
"Мы обучили модель серии Venus (Венера). В отличие от AlphaFold команды DeepMind, которая предсказывает структуру белков, эта модель изучает организационные правила последовательностей белков в природе и их связь с функцией. Точность предсказания функциональности мутаций белков этой модели является ведущей в отрасли", - заявил Хун Лян.
Модели серии Venus обладают двумя основными функциями: "AI-ориентированная эволюция" и "AI-выработка ферментов".
Термин «AI-ориентированная эволюция» относится к тому, что модели серии Venus могут оптимизировать различные характеристики неидеального белкового продукта, чтобы он стал «шестиугольным воином», соответствующим требованиям применения.
"AI-выявление ферментов" относится к модели серии Venus, которая на основе ее обширного набора данных о неизвестных функциональных белках может "выбирать суперсолдат", чтобы точно выявить белки с необычными функциями, удовлетворяющими строгим требованиям приложений, такими как высокая термостойкость, высокая кислотостойкость, высокая щелочестойкость и высокая стойкость к пищеварению.
Эти экстраординарные функции белков имеют огромный потенциал применения в биотехнологии, разработке медицинских препаратов и промышленном производстве, что может привести к инновациям и прорывам в соответствующих областях.
Тем временем, совместно с первой в мире автоматизированной системой низкопоточной крупногабаритной экспрессии, очистки и функционального анализа белков серии Venus, можно без перерыва выполнять задачи по экспрессии, очистке и анализу более 100 белков в течение 24 часов, что увеличивает эффективность по сравнению с ручным трудом почти в 10 раз, значительно сокращая затраты на труд, материалы и время в процессе разработки, и значительно увеличивая эффективность исследований в области белковой инженерии и синтетической биологии. Его цель - "Дизайн с использованием ИИ, автоматизация экспериментов", чтобы освободить исследователей от громоздких процессов дизайна и экспериментов; им нужно лишь задавать вопросы, а ИИ и автоматизация решают проблемы, в конечном итоге превращая сложные открытия в области белковой науки в простой процесс "как у фотоаппарата".
В настоящее время несколько белков, разработанных с использованием модели серии Venus, уже были успешно внедрены в промышленность.
В качестве примера можно рассмотреть адаптацию однодоменных антител к щелочной устойчивости, проведенную ведущей китайской фармацевтической компанией JinSai Pharma. Повышение щелочной устойчивости белков всегда было крайне сложной задачей. Команда Хунляна использовала эту модель в сочетании с небольшим количеством влажных экспериментов для итеративной проверки и менее чем за год увеличила щелочную устойчивость обычных однодоменных антител в 4 раза, что сэкономило компании JinSai Pharma более десяти миллионов юаней в год. Этот результат уже достиг нескольких партий увеличенного производства объемом 5000 литров, став первым в мире белковым продуктом, спроектированным с помощью больших моделей и произведенным в крупных масштабах.
Инновационное применение модели Venus серии заключается в проекте модификации щелочной фосфатазы (ALP) для одной из компаний по диагностике в vitro. ALP широко используется в качестве маркировочного фермента благодаря своей высокой стабильности и чувствительности; чем выше его активность, тем выше чувствительность обнаружения, что позволяет выявлять крайне низкие биомаркеры. Однако повышение активности ALP всегда было сложной задачей. Модель Venus серии успешно оптимизировала ALP, увеличив его молекулярную активность в 3 раза по сравнению с продуктами ведущих международных компаний, что приносит огромную ценность для сверхчувствительной диагностике (например, инфаркт миокарда, болезнь Альцгеймера). В настоящее время модифицированный ALP перешел на стадию масштабирования производства до 200 литров, что знаменует собой успешную промышленную трансформацию модели Venus серии.
(Источник: Jiemian News)
Источник: 东方财富网
Автор: Interface News