AI 打造全新螢光蛋白歷經 5 億年自然演化的奇蹟或能人工再現

科技 02-04

一般認為，蛋白質最早於約 37 億年前在地球上現身，從那時起，大自然便將它們塑造為如今所見的各種分子。然而，要是有辦法能人工模擬這個過程，而且速度快上許多，那會如何呢？

EvolutionaryScale 公司的一群研究人員宣稱，他們運用人工智慧（AI）的力量做到了這一點，甚至還生成了全新螢光蛋白的程式碼。

蛋白質是由一長串胺基酸所構成。其專業術語稱為序列，而序列上的差異決定了蛋白質最終的結構與功能。

研究人員在論文中寫道：「目前逐漸形成共識，在這些序列背後，存在著蛋白質生物學的基本語言，可透過語言模型加以理解。」倘若真是如此，那就有可能生成全新蛋白質的序列，其結構和功能可能與現有的蛋白質大不相同。

他們用來理解這門「語言」的工具是 ESM3，它是一種多模態生成式語言模型。用更通俗的話來說，它是生成式 AI 的一種，就像 OpenAI 的各種 GPT 一樣。但不同於用 ChatGPT 來寫作業，這個模型吐出的是蛋白質的程式碼。

它是基於 7710 億個獨特的「詞元」（AI 領域中資料的單位）進行訓練，這些詞元取自天然蛋白質序列和結構的資料庫，以及一些合成序列。總計，這些資料包含 31.5 億個蛋白質序列、2.36 億個蛋白質結構，以及 5.39 億個有功能註釋的蛋白質。

接下來，研究人員想看看它能否生成全新的蛋白質序列。於是，團隊要求模型生成新的螢光蛋白，提供不完整的「配方」，讓模型填補空缺。

模型成功做到了，它生成了一種先前未知的綠色螢光蛋白（GFP）變異體的序列和結構，這種變異體被命名為 esmGFP，而 GFP 常在細胞和分子生物學研究中使用。

據 EvolutionaryScale 表示，這種新蛋白質「在演化上與天然螢光蛋白有很大差異」，與在泡狀觸手海葵中發現的最接近的天然蛋白質 eqFP578 相比，序列相似性只有 53%。研究團隊在論文中稱，這種差異「相當於模擬了超過 5 億年的演化」。

然而，並非所有人都如此篤定。未參與這項研究的巴斯大學微生物生態與演化教授蒂芙尼・泰勒（Tiffany Taylor）在 2024 年（當時該研究還是預印本）向《生活科學》（Live Science）表示：「AI 驅動的蛋白質工程確實引人入勝，但我不禁擔心，我們可能過於自信地認為，自己能超越經過數百萬年自然選擇磨練出的複雜過程。」

儘管如此，正如泰勒所說，這是個有趣的概念。但它究竟有何用處呢？EvolutionaryScale 的網站稱，其模型是「科學家用以構想能捕捉碳的蛋白質、分解塑膠的酵素以及新藥物的工具」。

話雖如此，這能否最終成為現實仍無定數。目前，新發現的蛋白質僅在 AI 的意義上是「生成的」。

這項研究發表在《科學》（Science）期刊上。