Biohub 的新型進化尺度模型推進了人工智慧驅動的蛋白質工程在癌症和免疫研究中的應用

生物中心由多家非營利生物醫學研究機構組成的網路——[此處應填寫機構名稱]——發布了新一代進化尺度模型（ESM），這是一種旨在大規模預測、繪製和生成蛋白質的人工智慧系統。此次發布反映了人工智慧在生物學研究和藥物發現領域日益增長的應用勢頭，該組織將該平台定位為加速分子科學發展的開放框架。

該系統由三個主要組件組成：ESMC，一個基於約2.8億條蛋白質序列訓練的蛋白質語言模型；ESMFold2，一個能夠模擬蛋白質相互作用和設計新蛋白質的結構預測引擎；以及ESM Atlas，一個包含6.8億個蛋白質序列和超過1億個預測結構的資料庫。這些工具共同作用，旨在模擬決定蛋白質折疊和功能的基本生物學原理。

蛋白質對幾乎所有細胞過程都至關重要，其生物學功能取決於其三維結構。傳統的蛋白質設計和測試方法通常需要數年的實驗室工作和大量的篩選過程。 Biohub 的方法旨在將大部分工作轉移到計算系統中，使研究人員能夠在進行實驗室實驗之前，以數位化方式評估候選蛋白質。

該公司重點介紹了治療性蛋白質設計的進展，尤其是在開發能夠與疾病相關分子標靶結合的蛋白質方面。根據Biohub報道，ESMFold2成功產生了針對五種與癌症和免疫疾病相關的標靶的高親和力蛋白結合劑，這些標靶包括PD-L1、CTLA-4、EGFR和PDGFRβ。實驗室測試表明，幾種人工智慧設計的蛋白質表現出強大的結合活性和生物功能。

人工智慧模型在藥物研發中的作用日益擴大

其中一項進展體現在速度和規模。 Biohub表示，該系統可在數天內生成並排序數萬個候選蛋白，顯著縮短早期發現的時間。研究人員還發現，增加運算資源可以提高所設計結合物的品質和成功率，這表明更大的運算能力可以直接改善實驗結果。

Biohub表示，ESMFold2在蛋白質結構預測基準測試中也取得了優異的成績，尤其是在抗體-抗原建模方面，這是治療藥物開發的關鍵領域。與許多嚴重依賴演化比對技術的傳統蛋白質預測系統不同，ESMFold2直接從海量生物資料集中學習，使其能夠僅根據序列資訊推斷結構關係。

此次發布的還包括ESM Atlas，它將數十億個蛋白質組織成一個可搜尋的圖譜，旨在幫助研究人員發現隱藏的生物學關係並識別先前未知的功能。 Biohub表示，這些工具以MIT開源許可證發布，並透過合作使這些模型能夠廣泛地供研究人員和生物技術開發人員使用。

這項公告凸顯了人工智慧在生命科學領域日益重要的作用，尤其是在研究人員尋求更快、更具可擴展性的方法來理解生物學和開發新療法之際。透過結合大規模數據、預測建模和蛋白質設計，Biohub 的平台標誌著人工智慧融入核心生物醫學研究工作流程的另一個重要步驟。