22 Mart'ta, Şanghay Jiao Tong Üniversitesi'nden Profesör Hong Liang'ın ekibi, Venus adlı bir protein tasarım modeli yayınladı. Bu ekip, AI ile protein tasarımını ve modifikasyonunu birleştirerek dünyanın en büyük protein veri setini oluşturdu. Bu veri setine dayalı olarak eğitilen model, proteinlerin işlevlerini hassas ve verimli bir şekilde tahmin edip tasarlayabiliyor, böylece protein üretimini "yavaş deneme yanılma" sürecinden "yüksek verimlilikte hassas tasarım" sürecine dönüştürüyor.
Bu başarı, sektördeki öncü otomasyon ekipmanlarıyla birlikte sanayileşme aşamasına geçmiştir ve protein tasarımını önceki "karmaşık bilim" anlayışından günümüzdeki "basit mühendislik" anlayışına dönüştürmüştür.
洪亮 ekibi tarafından kurulan Venus-Pod (Venus-Protein Outsize Dataset) protein dizisi veri seti, yaklaşık 9 milyar protein dizisi içermekte olup, yüz milyonlarca fonksiyon etiketi barındırmaktadır. Bu, dünya genelinde veri ölçeği en büyük ve en fazla fonksiyon anotasyon etiketine sahip veri setidir. Ayrıca, başka bir sektörün tanınmış modeli olan Amerika'nın ESM-C modeli için eğitimde kullanılan 2.1 milyar protein dizisinin 4 katıdır.
Bu veri seti, 3.62 milyar kara mikroplarına ait protein dizisi, 2.64 milyar deniz mikroplarına ait protein dizisi, 2.43 milyar antikor protein dizisi ve 60 milyon virüs protein dizisi içermektedir. Bu diziler, sıradan yüzey biyomlarından aşırı ortam mikroplarına kadar protein dizisi bilgilerini kapsamakta olup, özellikle milyarlarca işlev etiketi (proteinlerin çalışma sıcaklığı, pH, basınç vb.) ile donatılmıştır.
Heng Liang, bu veri setinin büyük bir "protein madenini" oluşturduğunu belirtti ve bunun insanlığın yeni proteinler veya biyolojik katalizörler keşfetmesine olanak tanıdığını, biyomedikal ve sentetik biyolojinin hızlı gelişimini desteklediğini ifade etti; ayrıca, AI büyük modellerinin büyük veri setlerini öğrenme ve doğada bulunan proteinlerin evrimsel modellerini anlaması sayesinde, AI'ya mükemmel protein ürünleri tasarlamak için değerli öğrenme materyalleri sağlama umudu var.
2024'te, Nobel Kimya Ödülü Google DeepMind ekibine verildi. Bu ekip, AI teknolojisini kullanarak protein dizileri ile üç boyutlu yapı arasındaki ilişkiyi kesin bir şekilde analiz ederek, biyologları 50 yıl boyunca rahatsız eden temel bir sorunu çözdü.
Ancak, gerçek bir sorun şudur: Eğer proteinin amino asit dizisini biraz değiştirirsek, hatta sadece %1'lik küçük bir değişiklik yapsak bile, proteinin genel yapısında belirgin bir değişiklik olmuyormuş gibi görünmesine rağmen, işlevinin büyük ihtimalle kötüleşeceği veya hatta tamamen kaybolacağıdır.
Başka bir deyişle, başarılı bir protein ürünü tasarlamak için yalnızca üç boyutlu yapısına odaklanmak yeterli değildir; aynı zamanda işlevini başarılı bir şekilde tahmin edip tasarlamak da gereklidir.
Bu nedenle, Profesör Hong Liang'ın ekibi "farklı bir yol" izleyerek, protein yapısına takılı kalmak yerine, doğrudan "fonksiyon tahmini" nihai hedefine odaklanmış ve karmaşık protein tasarımını talebe dayalı, az sayıda deneyle sonuç elde etme sürecine dönüştürmüştür.
"Venus (Açık Yıldız) serisi modellerini eğittik, DeepMind ekibinin AlphaFold'un protein yapısını tahmin etmesinin aksine, bu model doğada bulunan protein dizilerinin organizasyon kurallarını ve bunların işlevle olan ilişkisini öğreniyor. Protein mutasyonlarının işlevini tahmin etme doğruluğu sektördeki en üst sırada yer alıyor." dedi Hong Liang.
Venus serisi modelleri iki ana çekirdek işlev sunmaktadır: "AI yönlendirilmiş evrim" ve "AI enzim madenciliği".
"AI yönlendirilmiş evrim" olarak adlandırılan şey, Venus serisi modellerinin, tatmin edici olmayan bir protein ürününün çeşitli performanslarını optimize edebilmesi ve onu uygulama ihtiyaçlarını karşılayacak bir "altıgen savaşçı" haline getirebilmesi anlamına gelir.
"AI enzim madenciliği" ise Venus serisi modellerinin devasa bilinmeyen fonksiyonel protein veri setine dayanarak, "süper yetenekli savaşçıları" seçebileceği ve aşırı uygulama taleplerini karşılayan olağanüstü işlevlere sahip proteinleri hassas bir şekilde ortaya çıkarabileceği anlamına gelir. Örneğin, aşırı sıcaklık, aşırı asit, aşırı alkali ve aşırı mide-bağırsak sindirimi gibi.
Bu olağanüstü işlevselliğe sahip proteinler, biyoteknoloji, ilaç geliştirme ve endüstriyel üretimde büyük uygulama potansiyeline sahiptir ve ilgili alanlara yenilik ve atılımlar getirebilir.
Bu arada, Venus serisi model ile birlikte globalde ilk düşük akış büyük hacimli protein ifade, saflaştırma ve fonksiyon testi otomasyon cihazı, 24 saat içinde kesintisiz olarak 100'den fazla proteinin ifade, saflaştırma ve test görevlerini tamamlayabilir, insan gücüne göre verimliliği yaklaşık 10 kat artırır, geliştirme sürecindeki insan, malzeme ve zaman maliyetlerini önemli ölçüde azaltır ve protein mühendisliği ile sentetik biyoloji araştırmalarının verimliliğini önemli ölçüde artırır. Amacı "tasarım AI ile, deney otomasyonu"dur, araştırmacıları karmaşık tasarım ve deneylerden kurtarmaktır; yalnızca sorular sormaları yeterlidir, AI ve otomasyon sorunları çözer ve karmaşık protein bilimsel keşiflerini "aptal makinesi tarzı" basit bir sürece dönüştürür.
Şu anda, Venus serisi model tasarımı ile birçok protein endüstriyel hale getirilmiştir.
Ülke içindeki büyüme hormonu lideri Jinsai İlaç'ın tek alan antikoru alkali dayanıklılığının değiştirilmesi örneğini ele alalım. Proteinlerin alkali dayanıklılığını artırmak her zaman oldukça zorlu bir iş olmuştur. Hongliang ekibi bu modeli kullanarak az miktarda ıslak deney ile kapalı döngü iteratif doğrulama gerçekleştirmiş ve bir yıl içinde sıradan tek alan antikorunun alkali dayanıklılığını 4 kat artırmıştır, bu da her yıl Jinsai İlaç için milyonlarca yuan tasarruf sağlamaktadır. Bu sonuç, birçok parti için 5000 litre ölçeklendirilmiş üretim gerçekleştirilmiştir ve küresel ölçekte büyük model tasarımı ile üretilen ilk protein ürünü olmuştur.
Venus serisi modellerinin bir diğer yenilikçi uygulaması, bir dış tanı baş şirketinin alkalin fosfataz (ALP) modifikasyon projesidir. ALP, yüksek stabilitesi ve hassasiyeti nedeniyle yaygın olarak işaretleyici enzim olarak kullanılmaktadır; aktivitesi ne kadar yüksekse, tespit hassasiyeti o kadar yüksek olur ve bu da son derece düşük biyomarkerleri tespit etme imkanı sağlar, ancak ALP'nin aktivitesini artırmak her zaman bir zorluk olmuştur. Venus serisi modelleri, ALP'yi başarılı bir şekilde optimize etmiş ve moleküler aktivitesini uluslararası önde gelen şirket ürünlerinin 3 katına çıkarmıştır, bu da süper hassas tanı (örneğin, miyokard enfarktüsü, Alzheimer) için büyük bir değer sağlamaktadır. Şu anda, modifiye edilmiş ALP 200L ölçekli büyütme üretim aşamasına girmiştir ve bu, Venus serisi modellerinin endüstriyel dönüşümünü başarıyla gerçekleştirdiğini göstermektedir.
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
Reward
like
1
Share
Comment
0/400
GateUser-488cbe78
· 03-24 02:31
O Günlük Haberler Ethena takım üyeleri, resmi Discord kanalında, Season3 Airdrop'un sorgulama sayfasının Nisan'ın ilk haftasında yayınlanacağını duyurdu. Bu tarihten önce, resmi olarak Season3 Airdrop dağıtımı hakkında daha fazla bilgi sağlanacaktır. Ayrıca, Ethena Season4 etkinliğinin 24 Mart'ta başlayıp 24 Eylül'e kadar 6 ay süreceğini de duyurdu.
Şanghay Jiaotong Üniversitesi, ilgili işlevleri verimli ve doğru bir şekilde tasarlamak için yapay zekayı tanıtan bir protein tasarım modeli yayınladı
22 Mart'ta, Şanghay Jiao Tong Üniversitesi'nden Profesör Hong Liang'ın ekibi, Venus adlı bir protein tasarım modeli yayınladı. Bu ekip, AI ile protein tasarımını ve modifikasyonunu birleştirerek dünyanın en büyük protein veri setini oluşturdu. Bu veri setine dayalı olarak eğitilen model, proteinlerin işlevlerini hassas ve verimli bir şekilde tahmin edip tasarlayabiliyor, böylece protein üretimini "yavaş deneme yanılma" sürecinden "yüksek verimlilikte hassas tasarım" sürecine dönüştürüyor.
Bu başarı, sektördeki öncü otomasyon ekipmanlarıyla birlikte sanayileşme aşamasına geçmiştir ve protein tasarımını önceki "karmaşık bilim" anlayışından günümüzdeki "basit mühendislik" anlayışına dönüştürmüştür.
洪亮 ekibi tarafından kurulan Venus-Pod (Venus-Protein Outsize Dataset) protein dizisi veri seti, yaklaşık 9 milyar protein dizisi içermekte olup, yüz milyonlarca fonksiyon etiketi barındırmaktadır. Bu, dünya genelinde veri ölçeği en büyük ve en fazla fonksiyon anotasyon etiketine sahip veri setidir. Ayrıca, başka bir sektörün tanınmış modeli olan Amerika'nın ESM-C modeli için eğitimde kullanılan 2.1 milyar protein dizisinin 4 katıdır.
Bu veri seti, 3.62 milyar kara mikroplarına ait protein dizisi, 2.64 milyar deniz mikroplarına ait protein dizisi, 2.43 milyar antikor protein dizisi ve 60 milyon virüs protein dizisi içermektedir. Bu diziler, sıradan yüzey biyomlarından aşırı ortam mikroplarına kadar protein dizisi bilgilerini kapsamakta olup, özellikle milyarlarca işlev etiketi (proteinlerin çalışma sıcaklığı, pH, basınç vb.) ile donatılmıştır.
Heng Liang, bu veri setinin büyük bir "protein madenini" oluşturduğunu belirtti ve bunun insanlığın yeni proteinler veya biyolojik katalizörler keşfetmesine olanak tanıdığını, biyomedikal ve sentetik biyolojinin hızlı gelişimini desteklediğini ifade etti; ayrıca, AI büyük modellerinin büyük veri setlerini öğrenme ve doğada bulunan proteinlerin evrimsel modellerini anlaması sayesinde, AI'ya mükemmel protein ürünleri tasarlamak için değerli öğrenme materyalleri sağlama umudu var.
2024'te, Nobel Kimya Ödülü Google DeepMind ekibine verildi. Bu ekip, AI teknolojisini kullanarak protein dizileri ile üç boyutlu yapı arasındaki ilişkiyi kesin bir şekilde analiz ederek, biyologları 50 yıl boyunca rahatsız eden temel bir sorunu çözdü.
Ancak, gerçek bir sorun şudur: Eğer proteinin amino asit dizisini biraz değiştirirsek, hatta sadece %1'lik küçük bir değişiklik yapsak bile, proteinin genel yapısında belirgin bir değişiklik olmuyormuş gibi görünmesine rağmen, işlevinin büyük ihtimalle kötüleşeceği veya hatta tamamen kaybolacağıdır.
Başka bir deyişle, başarılı bir protein ürünü tasarlamak için yalnızca üç boyutlu yapısına odaklanmak yeterli değildir; aynı zamanda işlevini başarılı bir şekilde tahmin edip tasarlamak da gereklidir.
Bu nedenle, Profesör Hong Liang'ın ekibi "farklı bir yol" izleyerek, protein yapısına takılı kalmak yerine, doğrudan "fonksiyon tahmini" nihai hedefine odaklanmış ve karmaşık protein tasarımını talebe dayalı, az sayıda deneyle sonuç elde etme sürecine dönüştürmüştür.
"Venus (Açık Yıldız) serisi modellerini eğittik, DeepMind ekibinin AlphaFold'un protein yapısını tahmin etmesinin aksine, bu model doğada bulunan protein dizilerinin organizasyon kurallarını ve bunların işlevle olan ilişkisini öğreniyor. Protein mutasyonlarının işlevini tahmin etme doğruluğu sektördeki en üst sırada yer alıyor." dedi Hong Liang.
Venus serisi modelleri iki ana çekirdek işlev sunmaktadır: "AI yönlendirilmiş evrim" ve "AI enzim madenciliği".
"AI yönlendirilmiş evrim" olarak adlandırılan şey, Venus serisi modellerinin, tatmin edici olmayan bir protein ürününün çeşitli performanslarını optimize edebilmesi ve onu uygulama ihtiyaçlarını karşılayacak bir "altıgen savaşçı" haline getirebilmesi anlamına gelir.
"AI enzim madenciliği" ise Venus serisi modellerinin devasa bilinmeyen fonksiyonel protein veri setine dayanarak, "süper yetenekli savaşçıları" seçebileceği ve aşırı uygulama taleplerini karşılayan olağanüstü işlevlere sahip proteinleri hassas bir şekilde ortaya çıkarabileceği anlamına gelir. Örneğin, aşırı sıcaklık, aşırı asit, aşırı alkali ve aşırı mide-bağırsak sindirimi gibi.
Bu olağanüstü işlevselliğe sahip proteinler, biyoteknoloji, ilaç geliştirme ve endüstriyel üretimde büyük uygulama potansiyeline sahiptir ve ilgili alanlara yenilik ve atılımlar getirebilir.
Bu arada, Venus serisi model ile birlikte globalde ilk düşük akış büyük hacimli protein ifade, saflaştırma ve fonksiyon testi otomasyon cihazı, 24 saat içinde kesintisiz olarak 100'den fazla proteinin ifade, saflaştırma ve test görevlerini tamamlayabilir, insan gücüne göre verimliliği yaklaşık 10 kat artırır, geliştirme sürecindeki insan, malzeme ve zaman maliyetlerini önemli ölçüde azaltır ve protein mühendisliği ile sentetik biyoloji araştırmalarının verimliliğini önemli ölçüde artırır. Amacı "tasarım AI ile, deney otomasyonu"dur, araştırmacıları karmaşık tasarım ve deneylerden kurtarmaktır; yalnızca sorular sormaları yeterlidir, AI ve otomasyon sorunları çözer ve karmaşık protein bilimsel keşiflerini "aptal makinesi tarzı" basit bir sürece dönüştürür.
Şu anda, Venus serisi model tasarımı ile birçok protein endüstriyel hale getirilmiştir.
Ülke içindeki büyüme hormonu lideri Jinsai İlaç'ın tek alan antikoru alkali dayanıklılığının değiştirilmesi örneğini ele alalım. Proteinlerin alkali dayanıklılığını artırmak her zaman oldukça zorlu bir iş olmuştur. Hongliang ekibi bu modeli kullanarak az miktarda ıslak deney ile kapalı döngü iteratif doğrulama gerçekleştirmiş ve bir yıl içinde sıradan tek alan antikorunun alkali dayanıklılığını 4 kat artırmıştır, bu da her yıl Jinsai İlaç için milyonlarca yuan tasarruf sağlamaktadır. Bu sonuç, birçok parti için 5000 litre ölçeklendirilmiş üretim gerçekleştirilmiştir ve küresel ölçekte büyük model tasarımı ile üretilen ilk protein ürünü olmuştur.
Venus serisi modellerinin bir diğer yenilikçi uygulaması, bir dış tanı baş şirketinin alkalin fosfataz (ALP) modifikasyon projesidir. ALP, yüksek stabilitesi ve hassasiyeti nedeniyle yaygın olarak işaretleyici enzim olarak kullanılmaktadır; aktivitesi ne kadar yüksekse, tespit hassasiyeti o kadar yüksek olur ve bu da son derece düşük biyomarkerleri tespit etme imkanı sağlar, ancak ALP'nin aktivitesini artırmak her zaman bir zorluk olmuştur. Venus serisi modelleri, ALP'yi başarılı bir şekilde optimize etmiş ve moleküler aktivitesini uluslararası önde gelen şirket ürünlerinin 3 katına çıkarmıştır, bu da süper hassas tanı (örneğin, miyokard enfarktüsü, Alzheimer) için büyük bir değer sağlamaktadır. Şu anda, modifiye edilmiş ALP 200L ölçekli büyütme üretim aşamasına girmiştir ve bu, Venus serisi modellerinin endüstriyel dönüşümünü başarıyla gerçekleştirdiğini göstermektedir.
(Kaynak: Jiemian News)
Kaynak: Doğu Zenginlik Ağı
Yazar: Arayüz Haber