OpenAI 聯(lián)手長壽生物科技公司 Retro Biosciences 研發(fā)了一個專門用于蛋白質(zhì)工程的模型------GPT?4b micro，用來設(shè)計(jì)全新的蛋白質(zhì)，結(jié)果直接讓一項(xiàng)諾獎級的細(xì)胞再生技術(shù)效率飆升了整整 50倍

簡單來說，就是把人體內(nèi)的普通細(xì)胞，比如皮膚細(xì)胞，變回功能強(qiáng)大的萬能干細(xì)胞，這個過程被稱為細(xì)胞重編程

而現(xiàn)在，AI 不僅讓這個過程變得前所未有的高效，設(shè)計(jì)出的新蛋白質(zhì)甚至還附帶了更強(qiáng)的 DNA 損傷修復(fù) 功能，堪稱物理意義上的返老還童，更重要的是，這些結(jié)果在多個供體、細(xì)胞類型和不同遞送方式中都得到了驗(yàn)證

一個諾獎級的超級難題

故事還要從山中伸彌的諾貝爾獎?wù)f起。

他發(fā)現(xiàn)，只要用四種特殊的蛋白質(zhì)，也就是山中因子，就能像施展魔法一樣，把一個已經(jīng)分化成熟的成年細(xì)胞，逆轉(zhuǎn)回 pluripotent（多能性） 狀態(tài)，也就是啥都能變的誘導(dǎo)多能干細(xì)胞 iPSC。

這項(xiàng)技術(shù)的前景無比廣闊，治療失明、逆轉(zhuǎn)糖尿病、甚至培養(yǎng)新器官，iPS細(xì)胞幾乎可以無限增殖，能用來培養(yǎng)包括神經(jīng)、肌肉、骨骼等人類所有的器官和皮膚等的細(xì)胞，為再生醫(yī)療開辟了全新道路

但這個成功率低得令人發(fā)指，通常不到 0.1%，而且過程極其漫長，動輒三四周。對于來自老年人或病人的細(xì)胞，成功率更是慘不忍睹

幾十年來，全世界的科學(xué)家都在想辦法優(yōu)化這個過程，但進(jìn)展緩慢。

OpenAI 的研究人員沒有走傳統(tǒng)的老路，而是直接訓(xùn)練了一個全新的模型：GPT-4b micro

你可以把它理解成一個生物學(xué)博士版本的 GPT-4，它的訓(xùn)練數(shù)據(jù)不僅有海量的生物學(xué)文獻(xiàn)，更核心的是無數(shù)的蛋白質(zhì)序列和三維結(jié)構(gòu)數(shù)據(jù)

它學(xué)會了蛋白質(zhì)世界的語言

更關(guān)鍵的是，這個模型特別擅長處理那些沒有固定形狀、非常靈活的蛋白質(zhì)，比如這次的主角山中因子。

科學(xué)家們要做的，就是給 GPT-4b micro 下達(dá)指令：

給我設(shè)計(jì)一些新的 SOX2 和 KLF4 蛋白質(zhì)，目標(biāo)是最大化細(xì)胞重編程的效率。

在傳統(tǒng)的篩選方法中，科學(xué)家手動修改蛋白質(zhì)，命中率通常低于 10%

而 GPT-4b micro 設(shè)計(jì)的第一批蛋白質(zhì) RetroSOX，命中率直接超過 30%。要知道，AI 設(shè)計(jì)的蛋白質(zhì)序列和原始版本平均有超過 100 個氨基酸的差異，這完全是重新創(chuàng)作，而不是小修小補(bǔ)

接下來挑戰(zhàn)更難的 KLF4 蛋白。這次，AI 設(shè)計(jì)的 RetroKLF 命中率更是飆升到接近 50%。

當(dāng)研究人員把 AI 設(shè)計(jì)的最優(yōu)蛋白質(zhì)組合在一起使用時，奇跡發(fā)生了

僅僅 10 天，實(shí)驗(yàn)皿中就出現(xiàn)了大量表達(dá)成熟干細(xì)胞標(biāo)記物的細(xì)胞集落。而在同樣的時間點(diǎn)，使用傳統(tǒng)方法的對照組里，幾乎什么都看不到

如果說效率提升是意料之中，那接下來的發(fā)現(xiàn)就是意外之喜了。

團(tuán)隊(duì)發(fā)現(xiàn)，經(jīng)過 AI 設(shè)計(jì)的蛋白質(zhì)組合處理過的細(xì)胞，其 DNA 損傷水平顯著降低

DNA 損傷，是衡量細(xì)胞衰老的核心指標(biāo)之一。這意味著，AI 設(shè)計(jì)的這套方案，不僅能讓細(xì)胞的身份重置，還能在重置過程中，順手修復(fù)掉許多歲月留下的痕跡。

這為未來開發(fā)更高效、更安全的細(xì)胞療法和抗衰老技術(shù)，打開了全新的想象空間。

正如 OpenAI 研究合作負(fù)責(zé)人 Boris Power 所說：

當(dāng)研究人員將深厚的領(lǐng)域洞察力帶給我們的語言模型工具時，那些曾經(jīng)需要耗費(fèi)數(shù)年時間的問題，現(xiàn)在可能在幾天內(nèi)就能發(fā)生轉(zhuǎn)變。

AI 加生命科學(xué)的奇點(diǎn)，或許比我們想象的來得更快

參考：

https://openai.com/index/accelerating-life-sciences-research-with-retro-biosciences/