新智元报道
新智元报道
【新智元导读】虽然AlphaFold等系列的大模型已经在蛋白质预测方面取得了前所未有的突破,但依旧无法胜任蛋白质-蛋白质相互作用(PPI)这种复杂的任务。初创公司A-Alpha Bio的PPI数据集AlphaSeq,有望补足这方面的技术短板。
随着最近AlphaFold 3和ESM 3的相继推出,我们看到了深度学习在生物学领域的无限潜力。
然而,Dyno Therapeutics的高级机器学习工程师Abihishaike Mahajan在上个月发布的一篇博文中指出了潜在的增长危机。
他认为,AlphaFold系列所取得的成果,即将一个强大的深度学习模型应用于一个已经存在大量数据的领域,从而引发一场彻底的革命——这是极难复制的。
原因还是数据。我们几乎用尽了所有预先存在的数据,未经训练的蛋白质结构和序列正在枯竭,RNA和DNA也是如此。
要想进一步训练模型,发掘更多来源和模态的数据是必不可少的。Mahajan指出,理想情况下,这样的数据应该满足3个条件:
- 具有复杂的潜在分布
- 与重要的生理现象高度相关
- 适合大规模收集
在生物学领域,有很多数据可以满足前两个要求,比如蛋白形式测序、空间转录组学、体内测量和蛋白质-蛋白质相互作用等,但这类数据似乎很难大量采集、生成,形成规模化的数据集。
可喜的是,初创公司A-Alpha Bio最近做出了这方面的突破。
他们最近发布的AlphaSeq数据库专注于蛋白质-蛋白质相互作用(protein-protein interaction, PPI),包含了超过7.5亿条测量结果,构成了世界上最大的PPI数据集。
在AlphaSeq数据的基础上,训练出的AlphaBind模型可以准确预测有不同结合特性(亲和力、特异性、交叉反应性、表位等)的蛋白质序列,从而辅助蛋白质设计或发现全新的蛋白质。
此外,作为实验平台,AlphaSeq还能够同时定量测量数百万个PPI的结合亲和力,并快速得出结果,完美满足了规模化扩展的需求。
根据CTO Randolph Lopez的说法,他们目前每月执行约30次AlphaSeq检测,每次可以得到100k~5M个交叉点。这意味着,AlphaSeq数据库还在以每月3M~50M的速度快速扩展。
A-Alpha Bio这家初创公司也是大有来头。不仅有计算生物学领域的大牛David Baker作为科学顾问,联合创始人之一David Younger也是Baker实验室的校友。
David Baker是华盛顿大学教授、蛋白质研究所所长。他领导团队从头开发的Rosetta算法奠定了用深度学习方法预测蛋白质结构的基础,揭开了AlphaFold和ESMFold的帷幕。
A-Alpha Bio成立于2017年,根据CrunchBase的数据,他们已经融资64.1M美元,旨在通过合成生物学和机器学习技术来测量、发现、预测和设计蛋白质-蛋白质相互作用,从而加速药物开发的进程。
补足AlphaFold
提到蛋白质相关的预测,你估计会疑惑:AlphaFold还不够强大吗,为什么还需要开发新的数据和模型?
很遗憾,AlphaFold的确不够强大,因为要了解蛋白质的相互作用(PPI)是一个相当复杂且困难的任务。
比如,要预测含有13个氨基酸的多肽与受体的结合效果,需要十多个不同的种子反复运行AlphaFold,以及MSA子采样和其他一系列「技巧」,模型才能给出「某种程度上」正确的结构。
这个任务之所以如此复杂,主要源于PPI的复杂性。即使规定了蛋白质间作用力的空间,可能的结构数量也会随氨基酸数量呈指数级增长。
论文地址:https://www.pnas.org/doi/10.1073/pnas.1705867114#sec-1
酵母细胞立大功
应用前景
使用AlphaSeq平台进行细胞因子亲和力调整来生成靶向免疫肿瘤治疗药物