Pada 22 Maret, tim Profesor Hong Liang dari Universitas Jiaotong Shanghai meluncurkan model desain protein Venus. Tim ini menggabungkan AI dengan desain dan rekayasa protein, membangun kumpulan data protein terbesar di dunia. Model yang dilatih berdasarkan kumpulan data ini dapat memprediksi dan merancang fungsi protein dengan akurat dan efisien, mengubah produksi protein dari "pengujian yang lambat" menjadi "desain yang akurat dan efisien".
Hasil ini, bersama dengan peralatan otomatis terkemuka di industri, telah diimplementasikan secara industri, mengubah desain protein dari "sains yang kompleks" menjadi "rekayasa yang sederhana".
Dataset urutan protein Venus-Pod (Venus-Protein Outsize Dataset) yang dibangun oleh tim Hongliang mengandung hampir 9 miliar urutan protein, termasuk ratusan juta label fungsional, merupakan dataset dengan skala data terbesar di dunia dan jumlah label anotasi fungsional terbanyak, serta empat kali lipat dari jumlah 2,1 miliar urutan protein yang digunakan untuk pelatihan model terkenal di industri lainnya — model ESM-C di Amerika.
Dataset ini mencakup 3,62 miliar urutan protein mikroba darat, 2,64 miliar urutan protein mikroba laut, 2,43 miliar urutan protein antibodi, dan 60 juta urutan protein virus, mencakup informasi urutan protein dari biota permukaan biasa hingga mikroba lingkungan ekstrem, terutama dilengkapi dengan ratusan juta label fungsi (suhu kerja protein, pH, tekanan, dll.).
Huang Liang menyatakan bahwa dataset ini membentuk "tambang protein" yang besar, memungkinkan manusia untuk menggali protein baru atau biokatalis, mendukung perkembangan cepat biomedis dan biologi sintetis; selanjutnya, model AI besar diharapkan dapat mempelajari dan menguasai pola evolusi protein di alam melalui data yang melimpah, menyediakan materi pembelajaran yang berharga untuk merancang produk protein yang unggul.
Pada tahun 2024, Hadiah Nobel Kimia diberikan kepada tim Google DeepMind, yang menggunakan teknologi AI untuk menganalisis dengan tepat hubungan antara urutan protein dan struktur tiga dimensi, menyelesaikan masalah dasar yang telah mengganggu para ahli biologi selama 50 tahun.
Namun, sebuah masalah nyata adalah: jika sedikit mengubah urutan asam amino protein, bahkan hanya 1% perubahan kecil, struktur keseluruhan protein tampaknya tidak mengalami perubahan yang signifikan, tetapi fungsinya kemungkinan besar akan menurun, bahkan hilang sepenuhnya.
Dengan kata lain, untuk merancang produk protein yang sukses, tidak hanya perlu memperhatikan struktur tridimensionalnya, tetapi juga harus dapat memprediksi dan merancang fungsinya dengan sukses.
Oleh karena itu, tim Profesor Hong Liang "mencari jalan lain", tidak lagi terfokus pada struktur protein, tetapi langsung menargetkan "prediksi fungsi" sebagai tujuan akhir, mengubah desain protein yang kompleks menjadi proses sederhana yang berorientasi pada kebutuhan, dengan sedikit eksperimen untuk menghasilkan hasil.
"Kami telah melatih model seri Venus (Bintang Pagi), yang berbeda dari AlphaFold tim DeepMind dalam memprediksi struktur protein. Model ini mempelajari aturan organisasi urutan protein di alam dan hubungannya dengan fungsi, di mana akurasi prediksi fungsi mutasi protein menduduki peringkat teratas dalam industri." kata Hong Liang.
Model seri Venus memiliki dua fungsi inti: "Evolusi Terarah AI" dan "Pembuatan Enzim AI".
Istilah "evolusi terarah AI" mengacu pada model seri Venus yang dapat mengoptimalkan berbagai kinerja produk protein yang kurang memuaskan, menjadikannya "pejuang heksagonal" untuk memenuhi kebutuhan aplikasi.
"AI Mining Enzymes" merujuk pada model seri Venus yang berdasarkan pada kumpulan data protein fungsional yang belum diketahui dalam jumlah besar, dapat "memilih pejuang super" secara luas, untuk secara tepat menemukan protein dengan fungsi luar biasa yang memenuhi kebutuhan aplikasi yang ketat, seperti ketahanan ekstrem terhadap panas, ketahanan ekstrem terhadap asam, ketahanan ekstrem terhadap basa, dan ketahanan ekstrem terhadap pencernaan gastrointestinal.
Fungsi protein luar biasa ini memiliki potensi aplikasi yang besar dalam bioteknologi, penelitian dan pengembangan obat, serta produksi industri, yang dapat membawa inovasi dan terobosan di bidang terkait.
Pada saat yang sama, dengan model seri Venus, mesin all-in-one ekspresi protein volume besar throughput rendah pertama di dunia, pemurnian dan otomatisasi deteksi fungsional, dapat menyelesaikan ekspresi, pemurnian, dan deteksi lebih dari 100 protein dalam waktu 24 jam, yang hampir 10 kali lebih efisien daripada tenaga manusia, yang akan sangat mengurangi biaya manusia, material, dan waktu dalam proses penelitian dan pengembangan, dan secara signifikan meningkatkan efisiensi rekayasa protein dan penelitian biologi sintetis. Tujuannya adalah untuk "merancang AI, otomatisasi eksperimen", sehingga peneliti dapat dibebaskan dari desain dan eksperimen yang membosankan, mereka hanya perlu mengajukan pertanyaan, AI dan otomatisasi untuk memecahkan masalah, dan akhirnya mengubah penemuan ilmiah protein kompleks menjadi proses sederhana "point-and-shoot".
Saat ini, berbagai protein yang dirancang dengan model seri Venus telah berhasil diimplementasikan secara industri.
Sebagai contoh, pengubahan ketahanan alkali antibodi domain tunggal oleh pemimpin hormon pertumbuhan domestik, Jin Sai Pharmaceutical. Meningkatkan ketahanan protein terhadap alkali telah lama menjadi tugas yang sangat menantang. Tim Hong Liang menggunakan model ini dengan sedikit eksperimen basah untuk verifikasi iterasi tertutup, dalam waktu kurang dari setahun, meningkatkan ketahanan alkali antibodi domain tunggal biasa hingga 4 kali lipat, menghemat biaya lebih dari sepuluh juta yuan setiap tahun untuk Jin Sai Pharmaceutical. Hasil ini telah mencapai produksi skala besar 5000 liter dalam beberapa batch, menjadi produk protein pertama di dunia yang dirancang oleh model besar dan diproduksi secara skala.
Salah satu aplikasi inovatif dari model seri Venus adalah proyek modifikasi alkaline phosphatase (ALP) dari suatu perusahaan kepala diagnosis in vitro. ALP banyak digunakan sebagai enzim penanda karena stabilitas dan sensitivitas yang tinggi, semakin tinggi aktivitasnya, semakin tinggi sensitivitas deteksi, sehingga dapat mendeteksi biomarker yang sangat rendah, tetapi meningkatkan aktivitas ALP selalu menjadi tantangan. Model seri Venus berhasil mengoptimalkan ALP, membuat aktivitas molekulnya tiga kali lipat dibandingkan produk perusahaan terkemuka internasional, memberikan nilai besar untuk diagnosis deteksi ultra-sensitif (seperti infark miokard, penyakit Alzheimer). Saat ini, ALP yang dimodifikasi telah memasuki tahap produksi skala perbesaran 200L, menandakan bahwa model seri Venus berhasil mewujudkan transformasi industri.
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
Hadiah
suka
1
Bagikan
Komentar
0/400
GateUser-488cbe78
· 03-24 02:31
Berita Odaily Ethena tim anggota mengumumkan di saluran resmi Discord bahwa halaman pengecekan airdrop Season3 akan diluncurkan pada minggu pertama bulan April, dan sebelum itu, pihak resmi akan memberikan lebih banyak detail mengenai distribusi airdrop Season3. Selain itu, Ethena juga mengumumkan bahwa kegiatan Season4 akan dimulai dari 24 Maret dan berlangsung selama 6 bulan hingga 24 September.
Shanghai Jiao Tong University merilis model desain protein, menggunakan AI untuk merancang fungsi terkait dengan efisien dan akurat.
Pada 22 Maret, tim Profesor Hong Liang dari Universitas Jiaotong Shanghai meluncurkan model desain protein Venus. Tim ini menggabungkan AI dengan desain dan rekayasa protein, membangun kumpulan data protein terbesar di dunia. Model yang dilatih berdasarkan kumpulan data ini dapat memprediksi dan merancang fungsi protein dengan akurat dan efisien, mengubah produksi protein dari "pengujian yang lambat" menjadi "desain yang akurat dan efisien".
Hasil ini, bersama dengan peralatan otomatis terkemuka di industri, telah diimplementasikan secara industri, mengubah desain protein dari "sains yang kompleks" menjadi "rekayasa yang sederhana".
Dataset urutan protein Venus-Pod (Venus-Protein Outsize Dataset) yang dibangun oleh tim Hongliang mengandung hampir 9 miliar urutan protein, termasuk ratusan juta label fungsional, merupakan dataset dengan skala data terbesar di dunia dan jumlah label anotasi fungsional terbanyak, serta empat kali lipat dari jumlah 2,1 miliar urutan protein yang digunakan untuk pelatihan model terkenal di industri lainnya — model ESM-C di Amerika.
Dataset ini mencakup 3,62 miliar urutan protein mikroba darat, 2,64 miliar urutan protein mikroba laut, 2,43 miliar urutan protein antibodi, dan 60 juta urutan protein virus, mencakup informasi urutan protein dari biota permukaan biasa hingga mikroba lingkungan ekstrem, terutama dilengkapi dengan ratusan juta label fungsi (suhu kerja protein, pH, tekanan, dll.).
Huang Liang menyatakan bahwa dataset ini membentuk "tambang protein" yang besar, memungkinkan manusia untuk menggali protein baru atau biokatalis, mendukung perkembangan cepat biomedis dan biologi sintetis; selanjutnya, model AI besar diharapkan dapat mempelajari dan menguasai pola evolusi protein di alam melalui data yang melimpah, menyediakan materi pembelajaran yang berharga untuk merancang produk protein yang unggul.
Pada tahun 2024, Hadiah Nobel Kimia diberikan kepada tim Google DeepMind, yang menggunakan teknologi AI untuk menganalisis dengan tepat hubungan antara urutan protein dan struktur tiga dimensi, menyelesaikan masalah dasar yang telah mengganggu para ahli biologi selama 50 tahun.
Namun, sebuah masalah nyata adalah: jika sedikit mengubah urutan asam amino protein, bahkan hanya 1% perubahan kecil, struktur keseluruhan protein tampaknya tidak mengalami perubahan yang signifikan, tetapi fungsinya kemungkinan besar akan menurun, bahkan hilang sepenuhnya.
Dengan kata lain, untuk merancang produk protein yang sukses, tidak hanya perlu memperhatikan struktur tridimensionalnya, tetapi juga harus dapat memprediksi dan merancang fungsinya dengan sukses.
Oleh karena itu, tim Profesor Hong Liang "mencari jalan lain", tidak lagi terfokus pada struktur protein, tetapi langsung menargetkan "prediksi fungsi" sebagai tujuan akhir, mengubah desain protein yang kompleks menjadi proses sederhana yang berorientasi pada kebutuhan, dengan sedikit eksperimen untuk menghasilkan hasil.
"Kami telah melatih model seri Venus (Bintang Pagi), yang berbeda dari AlphaFold tim DeepMind dalam memprediksi struktur protein. Model ini mempelajari aturan organisasi urutan protein di alam dan hubungannya dengan fungsi, di mana akurasi prediksi fungsi mutasi protein menduduki peringkat teratas dalam industri." kata Hong Liang.
Model seri Venus memiliki dua fungsi inti: "Evolusi Terarah AI" dan "Pembuatan Enzim AI".
Istilah "evolusi terarah AI" mengacu pada model seri Venus yang dapat mengoptimalkan berbagai kinerja produk protein yang kurang memuaskan, menjadikannya "pejuang heksagonal" untuk memenuhi kebutuhan aplikasi.
"AI Mining Enzymes" merujuk pada model seri Venus yang berdasarkan pada kumpulan data protein fungsional yang belum diketahui dalam jumlah besar, dapat "memilih pejuang super" secara luas, untuk secara tepat menemukan protein dengan fungsi luar biasa yang memenuhi kebutuhan aplikasi yang ketat, seperti ketahanan ekstrem terhadap panas, ketahanan ekstrem terhadap asam, ketahanan ekstrem terhadap basa, dan ketahanan ekstrem terhadap pencernaan gastrointestinal.
Fungsi protein luar biasa ini memiliki potensi aplikasi yang besar dalam bioteknologi, penelitian dan pengembangan obat, serta produksi industri, yang dapat membawa inovasi dan terobosan di bidang terkait.
Pada saat yang sama, dengan model seri Venus, mesin all-in-one ekspresi protein volume besar throughput rendah pertama di dunia, pemurnian dan otomatisasi deteksi fungsional, dapat menyelesaikan ekspresi, pemurnian, dan deteksi lebih dari 100 protein dalam waktu 24 jam, yang hampir 10 kali lebih efisien daripada tenaga manusia, yang akan sangat mengurangi biaya manusia, material, dan waktu dalam proses penelitian dan pengembangan, dan secara signifikan meningkatkan efisiensi rekayasa protein dan penelitian biologi sintetis. Tujuannya adalah untuk "merancang AI, otomatisasi eksperimen", sehingga peneliti dapat dibebaskan dari desain dan eksperimen yang membosankan, mereka hanya perlu mengajukan pertanyaan, AI dan otomatisasi untuk memecahkan masalah, dan akhirnya mengubah penemuan ilmiah protein kompleks menjadi proses sederhana "point-and-shoot".
Saat ini, berbagai protein yang dirancang dengan model seri Venus telah berhasil diimplementasikan secara industri.
Sebagai contoh, pengubahan ketahanan alkali antibodi domain tunggal oleh pemimpin hormon pertumbuhan domestik, Jin Sai Pharmaceutical. Meningkatkan ketahanan protein terhadap alkali telah lama menjadi tugas yang sangat menantang. Tim Hong Liang menggunakan model ini dengan sedikit eksperimen basah untuk verifikasi iterasi tertutup, dalam waktu kurang dari setahun, meningkatkan ketahanan alkali antibodi domain tunggal biasa hingga 4 kali lipat, menghemat biaya lebih dari sepuluh juta yuan setiap tahun untuk Jin Sai Pharmaceutical. Hasil ini telah mencapai produksi skala besar 5000 liter dalam beberapa batch, menjadi produk protein pertama di dunia yang dirancang oleh model besar dan diproduksi secara skala.
Salah satu aplikasi inovatif dari model seri Venus adalah proyek modifikasi alkaline phosphatase (ALP) dari suatu perusahaan kepala diagnosis in vitro. ALP banyak digunakan sebagai enzim penanda karena stabilitas dan sensitivitas yang tinggi, semakin tinggi aktivitasnya, semakin tinggi sensitivitas deteksi, sehingga dapat mendeteksi biomarker yang sangat rendah, tetapi meningkatkan aktivitas ALP selalu menjadi tantangan. Model seri Venus berhasil mengoptimalkan ALP, membuat aktivitas molekulnya tiga kali lipat dibandingkan produk perusahaan terkemuka internasional, memberikan nilai besar untuk diagnosis deteksi ultra-sensitif (seperti infark miokard, penyakit Alzheimer). Saat ini, ALP yang dimodifikasi telah memasuki tahap produksi skala perbesaran 200L, menandakan bahwa model seri Venus berhasil mewujudkan transformasi industri.
(Sumber: Jiemian News)
Sumber: East Money
Penulis: Jiemian News