AI再登顶刊！模拟5亿年进化，从头创造出全新荧光蛋白，重新点亮生物学

近日，AI 初创公司 EvolutionaryScale 的研究团队在国际顶尖学术期刊 Science 上发表了题为：Simulating 500 million years of evolution with a language model 的研究论文。论文标题非常简单直接，甚至是夸张——用语言模型模拟 5 亿年的进化。

该研究开发了一种人工智能语言模型——ESM3，ESM3 在思维链（Chain of Thought）的提示下生成了一种全新的绿色荧光蛋白——esmGFP，其在进化上与天然的绿色荧光蛋白（GFP）差异巨大，与已知的最接近的荧光蛋白只有 58% 的序列同源性，大自然需要 5 亿年时间才能进化出这种新型绿色荧光蛋白，也就是说，ESM3 模拟了 5 亿年进化，创造了一种新型绿色荧光蛋白。

研究团队表示，ESM3 是一款向生命科学领域的前沿人工智能语言模型，也是第一个同时对蛋白质的序列、结构和功能进行推理的生成式人工智能模型，它提升了我们利用生命密码进行编程和创造的能力，让我们能够像设计建筑、制造机器和微芯片以及编写计算机程序一样，从底层原理出发来改造生物学。

四大序列模型大比拼

1.ProteinMPNN是基于信息传递神经网络（MPNN）开发的，能够通过给定的蛋质骨架结构找到正确折叠的氨基酸序列。它的功能是通过蛋白质骨架特征如Cα-Cα原子间距离、二面角等信息，生成预测的氨基酸序列。与传统的Rosetta（Rosetta的原理为基于物理的方法将序列设计视为能量优化问题，在给定的输入结构中寻找具有最低能量的氨基酸身份和构象的组合）相比，ProteinMPNN在序列恢复、计算效率和适用范围上具有显著优势。该方法广泛应用于单体、环低聚物、蛋白质纳米颗粒和蛋白质-蛋白质界面的设计

2.ABACUS-R是一个深度学习模型，在给定主链的情况下可以设计序列。方法使用一个具有编码器和解码器的网络模型，使用多任务方法训练。环境的特征使用氨基酸类型，但是没有显式描述氨基酸的侧链构象（Rotamer-Free）。通过X-ray的实验验证，ABACUS-R超过了目前最优秀的序列从头设计算法，可以作为非常有效的蛋白质设计工具

3.CarbonDesign 是蛋白质序列设计版的 AlphaFold，它从用于蛋白质结构预测的 AlphaFold 模型中汲取灵感，并专门针对蛋白质序列设计进行了算法改进。该工具能够准确且稳健的设计蛋白质序列，可以被广泛应用于不同蛋白质设计场景，并且可以预测蛋白质突变的功能影响。

4.CARBonAra模型。该模型基于几何变换器架构,可以同时处理蛋白质骨架和周围的任何类型分子,包括其他蛋白质、核酸、配体、离子等,从而实现更加精确和灵活的蛋白质序列设计。