Adaptyv Bio 利用生成人工智能彻底改变蛋白质工程

ChatGPT 等人工智能工具正在极大地改变文本、图像和代码的生成方式。同样，机器学习算法和生成人工智能正在颠覆生命科学的传统方法，并加快药物发现和材料开发的速度。

DeepMind 的 AlphaFold 可以说是该领域最著名的机器学习模型。 它根据氨基酸序列预测蛋白质的 3D 结构，自公开发布以来的 18 个月内已被超过 XNUMX 万研究人员使用。 此后出现了许多其他人工智能工具，包括最近开源的 RFDiffusion，它允许研究人员仅使用笔记本电脑生成计算蛋白质设计。

然而，将这些计算设计转化为有形的功能性蛋白质仍然是一个挑战。 Adaptyv Bio 旨在通过其下一代蛋白质铸造厂解决这个问题。 通过集成先进的机器人技术、微流体技术和合成生物学技术，Adaptyv Bio 正在构建一个全栈平台，使蛋白质工程师能够验证他们的人工智能生成的蛋白质设计。

Adaptyv Bio 首席执行官兼联合创始人 Julian Englert 表示： “蛋白质是生物革命的核心，无论是作为新药、用于研究和工业应用的改良酶，还是作为具有独特性质的材料。 作为蛋白质设计师，您现在可以使用令人难以置信的新型 AI 工具，例如 AlphaFold 或 RFDiffusion。 然而，在实验室验证您的蛋白质设计以查看它们是否有效仍然是一个巨大的挑战。”

人工智能模型依靠用于训练和改进预测的数据而蓬勃发展。 通过简化生成有关设计蛋白质有效性的数据的过程，Adaptyv Bio 使蛋白质工程师和人工智能模型能够收到更多有关其设计的反馈，指导他们开发性能更好的蛋白质。

恩格勒特补充道， “想想自动驾驶汽车中的人工智能。 为了让汽车保持在路上并到达目的地，人工智能模型需要通过从汽车摄像头传感器获取大量高质量数据来实现紧密的反馈循环。 同样的原理也适用于设计新蛋白质的人工智能模型，其反馈机制涉及在我们实验室中实际创建蛋白质并测试其性能。”

Adaptyv Bio 由一群来自 EPFL位于洛桑的瑞士联邦理工学院，其动机是在实验室进行生物实验的耗时过程。 2022 年，他们在参与 Y组合，全球最具选择性的创业加速器。 此后，该团队已扩大到 12 名工程师，他们在合成生物学、微工程、软件开发和机器学习方面拥有不同的背景。 公司位于新建的 生物极 他们在瑞士洛桑的生命科学园区，在尖端的实验室设施中开发技术，并欣赏日内瓦湖和瑞法阿尔卑斯山如画的景色。

Adaptyv Bio 的铸造厂以蛋白质工程工作单元为中心，这是一种定制的自动化设置，可将通常需要多台实验室机器的流程小型化，并在微小的微流控芯片上并行执行。 用户可以编写实验方案（或让人工智能编写），工作单元自主执行实验，同时密切控制和监控实验参数。 所有测量数据都会自动处理和上传，以便用户在每次实验中完善他们的机器学习模型。

恩格勒特说， “我们的工作单元是完全自动化的，使用的试剂比任何市售替代品少 1,000 倍，而且我们每天可以在每个单独的设置上运行数千种不同的蛋白质。 为了简化实验工作流程，我们开发了许多定制合成生物学和自动化技术。 在接下来的 12 个月中，我们计划进一步扩大我们的实验室规模，并增加我们可以支持的蛋白质设计应用的数量。 我们还刚刚开放了早期访问权限，让用户向我们提交他们的蛋白质设计项目，我们正在努力尽快启动新项目。”

为了进一步加速蛋白质工程领域的发展，Adaptyv Bio 开源了两个内部工具，这些工具已经开始受到该领域研究人员和工程师的关注。 蛋白质流 是一个 Python 库，可让蛋白质设计者轻松创建高质量数据集，以实现更好的 AI 模型。 自动漫游者 是一个可扩展的软件平台，用于运行自动化实验，使研究人员能够构建自己的实验方案并集成不同的实验室仪器。

“我们的使命是让蛋白质工程变得更容易，让更多的研究人员能够设计新的蛋白质。 考虑一下构成我们体内每个细胞内极其强大的分子机制的蛋白质。 想象一下，如果我们能够开始为个性化药物、新酶等工业应用或更好、更可持续的材料设计新型蛋白质，人类可以取得什么样的技术进步。” 朱利安·恩格勒特补充道。