Blog
微軟EvoDiff：顛覆蛋白質設計，開啟高保真與多樣性的新篇章
微軟EvoDiff：顛覆蛋白質設計，開啟高保真與多樣性的新篇章
September 19, 2023
重點摘要：
- 微軟推出了名為「EvoDiff」的通用框架，能在不需要目標蛋白質的結構信息的情況下，生成「高保真度」和「多樣性」的蛋白質，大幅簡化了蛋白質設計的過程。
- EvoDiff的核心是一個擁有640萬參數的模型，該模型經過大量不同物種和功能類別的蛋白質數據訓練而成，具有高度的通用性和可擴展性。
- 雖然EvoDiff的研究尚未經過同行評審，但微軟的數據科學家表示，該框架在未來有潛力進一步擴展和商業化，並計劃在實驗室中進行更多的測試。
新聞內文：
蛋白質是自然分子，負責體內關鍵細胞功能，是所有疾病的基石。對蛋白質進行特徵化可以揭示疾病的機制，包括減緩或可能逆轉它，而創造蛋白質可以生成全新類別的藥物和治療方法。
但目前在實驗室設計蛋白質的過程既成本昂貴又耗人力資源。包括提出可能在體內執行特定任務的蛋白質結構，然後找到可能『折疊』成該結構的蛋白質序列，由氨基酸組成的序列（蛋白質必須正確折疊成三維形狀以執行其預定功能）。
但實際上，這不必如此複雜。
本週，微軟推出了一個通用框架「EvoDiff」，該公司聲稱可以在給定蛋白質序列的情況下生成「高保真度」和「多樣性」的蛋白質。與其他蛋白質的生成框架不同，EvoDiff不需要有關目標蛋白質的結構訊息，省略了通常最費時的步驟。
微軟高級研究員Kevin Yang表示，EvoDiff的開源，可以用於創造新治療和藥物傳遞方法的酶，以及用於工業化學反應的新酶。
EvoDiff的共同創作者之一Kevin Yang在電子郵件訪談中告訴TechCrunch「我們預見EvoDiff將擴展蛋白質工程的能力，超越結構功能範式，朝向可編程、以序列為先的設計」。「通過EvoDiff，我們展示了我們實際上可能不需要結構，而是『蛋白質序列就是你需要的一切』，可以可控地設計新蛋白質」。
EvoDiff架構的核心是一個640萬參數模型，該模型是通過訓練來自不同物種和功能類別的蛋白質數據而得到的。（「參數」是從訓練數據中學到的AI模型的部分，基本上定義了模型對問題的技能，在這種情況下生成蛋白質。）用於訓練該模型的數據來自於用於序列對齊的OpenFold數據集和UniRef50，這是UniProt的數據子集，UniProt由UniProt聯盟維護，包含蛋白質序列和功能資訊的數據庫。
EvoDiff是一個擴散模型，類似於許多現代圖像生成模型，如Stable Diffusion和DALL-E 2。EvoDiff學習如何逐步從幾乎完全由噪聲組成的起始蛋白質中減去噪聲，然後一步一步地將其移近到蛋白質序列。
擴散模型越來越多地應用於圖像生成以外的領域，從創造新蛋白質的設計（如EvoDiff）到創造音樂，甚至合成語音。
微軟高級研究專員Ava Amini，EvoDiff的另一位貢獻者，通過電子郵件表示：「如果從EvoDiff中帶走一點，我認為應該是這個想法，即由於我們能夠實現的通用性、規模和可擴展性，我們應該可以在序列上進行蛋白質生成」。「我們的擴散架構賦予我們這種能力，也能控制如何設計這些蛋白質以滿足特定的功能目標」。
正如Amini所言，EvoDiff不僅可以創造新蛋白質，還可以填補現有蛋白質設計中的「空白」。如果提供了一部分與另一個蛋白質結合的蛋白質，模型可以生成符合一定標準的蛋白質氨基酸序列，例如。
值得注意的是，EvoDiff背後的研究尚未經過同行評審 - 至少目前還沒有。參與該項目的微軟數據科學家Sarah Alamdari承認，在該框架可以商業化使用之前，還需要進行「更多的擴展工作」。
Alamdari在電子郵件中說道「這只是一個640萬參數模型，如果我們擴展到數十億參數，我們可能會看到更高的生成品質」。「儘管我們演示了一些粗粒度的策略，但為了實現更精細的控制，我們希望能夠條件EvoDiff以文本、化學許席或其他方式來指定所需的功能」。
作為下一步，EvoDiff團隊計劃在實驗室中測試模型生成的蛋白質是否可行。如果它們被證明是可行的，他們將開始研發下一代框架。
新聞原址： https://techcrunch.com/2023/09/14/microsoft-open-sources-evodiff-a-novel-protein-generating-ai/