我们知道,一些疾病的发生主要由蛋白质结构的改变导至。然而,传统的计算机辅助药物设计方法无法有效穿透庞大的药物化学空间。因此,预测蛋白的结构对设计药物分子十分重要。 既然计算机辅助设计行业捧出了第一家2万亿美元市值的芯片公司,那么,计算机辅助药物设计行业为什么就不能掀起一场颠覆性的革命呢? AI加速从“制药”走向“智药” 人工智能技术为高效低成本的药物研发带来了希望,众多公司争相进入。 在国内,菲鹏集团旗下的子公司菲鹏数辉日前发布了AI蛋白质动态构象创新模型“DeepConformer”,带来人工智能在药物设计领域应用的重大突破。DeepConformer依据蛋白质氨基酸序列生成对应的动态三维结构的生成式AI算法模型,集快捷高效、功能强大、应用广泛三大亮点于一体。DeepConformer最具突破性的是从蛋白质序列出发,直接预测蛋白质三维结构的多种动态构象和动态关联,印证菲鹏数辉创始人兼首席科学官马步勇教授提出的“构象选择”理论。 总之,评价一款模型是否优越必须多角度分析,比如模型的创新性,数据的质与量、模型的复杂性与计算成本之间的权衡、泛化能力的强度、模型的可解释性、透明度和隐私保护等方面,这样才能确保技术在实际应用中的有效性和可靠性。 多场景应用,开启药物研发新纪元 对于一款蛋白质构象模型,业界更关注其解决行业痛点的能力及商业化应用的前景。当前的药物设计面临着多重挑战,步步艰难。首先,研发周期长、费用高昂,通常需要十年以上和数十亿美元的投入;在计算领域,传统的分子动力学模拟方法耗费大量计算资源和时间。再之,传统基于结构的药物设计忽略了目标蛋白结构实际是呈现出一种持续动态变化状态这一关键点,这点极大的限制了药物研究的质量和效率,也是药物研发成功与否的关键因素。 可见,传统技术亟待提升。菲鹏数辉将人工智能与分子模拟技术相融合的生成式AI模型,能有效解决研发周期及成本的问题。两种技术互补的特性为两者在药物设计领域的结合提供了多种可能,比如人工智能模型扩展了蛋白分子构象的景观,提高了构象采样的效率,可提高药物设计研究的效率,并降低了人为因素对模拟结果的影响。而通过分子模拟,能直观形象地观察到药物分子之间的相互作用过程,准确判断药物分子与受体结合的可能位点,两者结合,达到了计算资源与计算准确度的平衡。 在商业化应用方面,菲鹏数辉的核心技术展现出巨大潜力。首先,在新药研发方面,菲鹏数辉正在展开和加强与制药企业合作,共同加速新药的开发和商业化,降低研发成本,提高药物上市速度。此外,其三大技术平台还广泛应用于生物学研究,如蛋白质功能研究、病理机制解析等,从而推动基础科学的进步。 AI蛋白质工程平台可用大分子药物开发,例如,通过对特定蛋白质靶点的动态构象预测,快速筛选并优化蛋白分子,使得新药开发周期缩短。同时,结合数辉自研的蛋白De novo设计模块,能针对靶点生成全新的蛋白分子药物。该平台还可以用于对蛋白分子包括稳定性,成药性等性质预测优化。在合成生物学领域,该平台还可以被用于优化蛋白酶,使其在生物催化过程中表现出更高的效率,从而降低生产成本。在酶工程领域,平台可帮助研发更高效的工业酶,推进绿色化工的发展。 在抗体药物研发中,菲鹏数辉的AI抗体筛选优化平台将帮助生物技术公司快速筛选出数百个具有高特异性和亲和力的候选抗体,并可以通过进一步优化成功开发出新型抗体药物,显著提高治疗效果。同时,平台结合抗体预测模块及抗体性质优化模块,可应用于免疫检测领域,显著提高检测试剂对疾病检测的灵敏度和精确性。在疾病治疗方面,通过筛选和优化抗体,平台可辅助多靶点抗体药物设计,双抗设计等。此外,在传染病领域,平台可快速开发针对新兴病原体的抗体,实现快速响应并控制疫情。 菲鹏数辉的RNA设计AI平台可助力mRNA疫苗开发,通过对mRNA序列的优化,提高疫苗的稳定性和免疫原性,使其在临床试验中表现出更好的安全性和有效性,辅助疫苗上市进程的加速。该平台也可在基因疗法中发挥重要作用,比如通过优化mRNA序列,用于对治疗罕见遗传疾病提供更有效的治疗方案。该平台也可以优化环状RNA序列,基于IRES的序列优化以及密码子优化,使得环状RNA的稳定性和表达量都得到了提升。数辉还研发了适配体蛋白亲和力预测平台,可针对靶蛋白快速筛选出具有结合力的适配体序列,为体外诊断提供了可靠的识别元件。 写在文末 不难窥见,菲鹏数辉俨然成为了国内AI构建蛋白质动态结构的破局者。 菲鹏数辉显然已经立于潮头。正如李白所言,“长风破浪会有时,直挂云帆济沧海”。 未来,随着技术的不断成熟,我们也希望看到菲鹏数辉的技术能在更多领域开拓商业化应用,推动生物医药行业的发展。 |