“行業(yè)觀察者”是我們針對人工智能、XR、元宇宙和Web3等前沿科技而設(shè)立的專欄，主要分享這些領(lǐng)域中的新興企業(yè)或者創(chuàng)業(yè)者們的故事。生物學(xué)前沿人工智能研究實驗室EvolutionaryScale近日宣布獲得超1.42億美元種子輪融資，同時發(fā)布里程碑式AI模型ESM3。這家成立僅一年的公司在AI生命科學(xué)領(lǐng)域有著怎樣獨特的理念？全新的蛋白質(zhì)大模型又有著怎樣的技術(shù)突破？以下是我們的第17期內(nèi)容，以下Enjoy。

一周前，在Meta如火如荼地卷文生視頻賽道的時候，那個被它解散的蛋白質(zhì)團隊EvolutionaryScale獲得了超1.42億美元的種子輪融資，這個融資額在整個生物技術(shù)領(lǐng)域都可以說是高得離譜。

去年八月，Meta官宣旗下的蛋白質(zhì)折疊團隊Meta-FAIR解散。這個純粹的“科學(xué)+AI”項目并不能讓Meta快速獲得收益，Meta專注商業(yè)化AI的決定看似也是情理之中。

然而，這個不被看好的團隊竟用僅僅一年的時間就打了Meta的臉。他們最新推出的ESM3被認為是生物學(xué)領(lǐng)域具有里程碑意義的生成式AI模型，為生物學(xué)編程開創(chuàng)了新的可能性。

01.1分鐘項目速覽

1.項目名稱：EvolutionaryScale

2.成立時間：2023年7月

3.產(chǎn)品簡介：

開發(fā)用于創(chuàng)造新型蛋白質(zhì)和其他生物系統(tǒng)的大型語言模型——ESM，目前已迭代到ESM-3。

4.創(chuàng)始人團隊：

首席科學(xué)家：Alexander Rives （紐約大學(xué)計算機科學(xué)博士、前Facebook AI科學(xué)家）

Tom Sercu

Sal Candido

5.融資情況：

2024年6月25日完成了高達1.42億美元的種子輪融資。本次融資由Nat Friedman和Daniel Gross以及Lux Capital領(lǐng)投，亞馬遜、NVentures（英偉達的風險投資部門）和天使投資人參投。

02.團隊協(xié)同一致的理念追求

人工智能的進步為生物科學(xué)研究創(chuàng)造了前所未有的機會，包括設(shè)計功能性生物分子，尤其是蛋白質(zhì)。將人工智能運用于蛋白質(zhì)設(shè)計，不僅可以提升蛋白質(zhì)設(shè)計的效率及成功率，還通過快速應(yīng)對傳染病爆發(fā)等方式，來幫助人類解決一些正在面臨的挑戰(zhàn)。

Alexander Rives等人正是看到了蛋白質(zhì)設(shè)計方面的缺口，決定開發(fā)基于深度學(xué)習的大模型，從而推動產(chǎn)業(yè)級蛋白質(zhì)設(shè)計進入“全自動智能生成時代”。

于是，EvolutionaryScale應(yīng)運而生。它是一家專注于生物科學(xué)領(lǐng)域的前沿AI研究實驗室，致力于推出生物學(xué)前沿的語言大模型。

有意思的是，該公司創(chuàng)始團隊的八位成員全都來自于Meta的FAIR（基礎(chǔ)人工智能研究）部門。盡管在世界級的社交媒介巨頭那里吃了癟，但初始團隊的核心人員都沒有放棄，反而快速地投入新戰(zhàn)地，開始在原有團隊成果的基礎(chǔ)上開發(fā)下一代模型。

EvolutionaryScale的大模型支持健康、環(huán)境科學(xué)等領(lǐng)域的研究與開發(fā)，不停探索生物學(xué)的擴展性，為突破性的科學(xué)研究提供動力。其中最顯著的成果就是蛋白質(zhì)折疊技術(shù)的突破，ESM模型揭示了數(shù)億個宏基因組蛋白質(zhì)的結(jié)構(gòu)，幫助世界各地的科學(xué)家來模擬和理解蛋白質(zhì)。

EvolutionaryScale旨在通過開放、安全的研究方式，來指導(dǎo)蛋白質(zhì)設(shè)計領(lǐng)域的人工智能技術(shù)開發(fā)。

在此基礎(chǔ)上，該公司作為簽署方，引領(lǐng)了超160位來自學(xué)術(shù)界、政府以及民間的全球利益相關(guān)者，共同發(fā)展這項技術(shù)，確保其安全可靠，從而達成造福人類健康和社會的愿景。

正是由于懷著引領(lǐng)生物學(xué)界先進AI技術(shù)的責任感，Alexander Rives和他的團隊從未停止腳步。

此前，EvolutionaryScale曾發(fā)布過大型語言模型ESM1，這被認為是第一個用于蛋白質(zhì)的transformer語言模型，由EvolutionaryScale的創(chuàng)始團隊在Meta的FAIR部門工作期間所構(gòu)建。作為ESM1升級模型的ESM2擁有1500萬個參數(shù)，并且相較于舊模型ESM1b（擁有6.5億個參數(shù)）表現(xiàn)更佳。

上周，EvolutionaryScale發(fā)布了最新的ESM3 AI模型，這是朝著生物學(xué)的未來所邁進的一大步。憑借這種模型的能力，有可能會加速廣泛應(yīng)用的發(fā)現(xiàn)，有利于創(chuàng)造有助于捕獲碳的蛋白質(zhì)，從而開發(fā)出新的癌癥治療方法。

03.AI在生物學(xué)應(yīng)用的先驅(qū)

ESM3是一個生成式的AI模型，主要功能是生成新型蛋白質(zhì)。該模型通過深度學(xué)習技術(shù)，使用大量的蛋白質(zhì)數(shù)據(jù)進行訓(xùn)練，從而學(xué)習蛋白質(zhì)的序列、結(jié)構(gòu)和功能之間的關(guān)系。

ESM3的訓(xùn)練使用了超過1萬億teraflops的計算能力，這是目前已知生物學(xué)領(lǐng)域中最大的計算規(guī)模。它在地球上自然多樣性的27.8億種蛋白質(zhì)數(shù)據(jù)集上進行了訓(xùn)練，使其能夠同時對蛋白質(zhì)的序列、結(jié)構(gòu)和功能進行推理。

ESM3的主要工作流程可簡略為以下四個步驟：

數(shù)據(jù)收集與處理：EvolutionaryScale首先會從各種來源收集大量的生物學(xué)數(shù)據(jù)，包括基因序列、蛋白質(zhì)結(jié)構(gòu)、功能注釋等。這些數(shù)據(jù)會經(jīng)過清洗、標準化和格式化處理，以便于后續(xù)的分析和應(yīng)用。

模型訓(xùn)練：使用深度學(xué)習算法和大量的計算資源，EvolutionaryScale會對處理后的數(shù)據(jù)進行訓(xùn)練，構(gòu)建出能夠理解和預(yù)測生物學(xué)規(guī)律的大型語言模型。這些模型不僅具有高度的準確性，還能夠處理復(fù)雜的生物學(xué)問題。

生成新蛋白質(zhì)：通過交互式提示，ESM3能夠生成新的蛋白質(zhì)，這些蛋白質(zhì)可能在自然界中需要數(shù)億年才能進化出來。

科學(xué)驗證：生成的新型蛋白質(zhì)將通過科學(xué)實驗進行驗證，以確定其功能和潛在應(yīng)用。

目前，ESM3最引人注目的使用案例之一是生成了一種新的綠色熒光蛋白（GFP）。

GFP是自然界中最美麗和獨特的蛋白質(zhì)之一，負責水母的發(fā)光和珊瑚的鮮艷熒光色。ESM3通過一系列思考過程，跨越了5億年的進化，創(chuàng)造了這種新的熒光蛋白。這一過程在自然進化中可能需要超過5億年，而ESM3通過計算方法實現(xiàn)了這一飛躍。

ESM3的發(fā)布也為藥物發(fā)現(xiàn)和合成生物學(xué)領(lǐng)域帶來了革命性的變化。

在藥物發(fā)現(xiàn)方面，ESM3能夠生成具有特定生物活性的新型蛋白質(zhì)，為藥物篩選和優(yōu)化提供了更多的候選分子。同時，ESM3還能夠預(yù)測和優(yōu)化藥物與靶點的相互作用機制，為藥物的設(shè)計和開發(fā)提供更加科學(xué)的依據(jù)。

在合成生物學(xué)方面，ESM3能夠生成具有特定功能的生物系統(tǒng)，為生物制造和生物能源等領(lǐng)域提供了新的解決方案。例如，ESM3可以生成出將二氧化碳高效轉(zhuǎn)化為有機物的酶系統(tǒng)，為碳捕獲和利用提供了新的途徑。

EvolutionaryScale的ESM3模型代表了AI在生物學(xué)領(lǐng)域的新里程碑。通過其強大的生成能力和與行業(yè)領(lǐng)導(dǎo)者的合作，ESM3有望加速新型蛋白質(zhì)的發(fā)現(xiàn)和生物系統(tǒng)的設(shè)計，為未來的藥物開發(fā)、材料科學(xué)和環(huán)境科學(xué)等領(lǐng)域帶來革命性的影響。

04.生物學(xué)領(lǐng)域創(chuàng)新之旅

合成生物學(xué)：編程生命

合成生物學(xué)是EvolutionaryScale未來發(fā)展的一個重要方向。通過設(shè)計和合成新的基因電路和生物路徑等方式，科學(xué)家們可以創(chuàng)建具有特定功能的生物體。

基因電路類似于電子電路，但它們在細胞中控制生物學(xué)過程。

基因電路能夠在細胞內(nèi)實現(xiàn)對特定基因表達的精確控制。例如，可以設(shè)計一個基因電路，使其在細胞檢測到特定信號（如某種化學(xué)物質(zhì)或環(huán)境變化）時啟動或關(guān)閉特定基因的表達。

合成生物路徑涉及多種酶和代謝途徑的組合，用于生產(chǎn)有價值的化合物。

通過AI分析和設(shè)計，科學(xué)家可以創(chuàng)建新的代謝途徑，使生物體能夠合成天然條件下無法產(chǎn)生的化合物。例如，通過重新設(shè)計微生物的代謝路徑，微生物可以生產(chǎn)出醫(yī)藥中間體、生物燃料或工業(yè)化學(xué)品。

細胞工廠是通過基因工程手段改造微生物，使其在工業(yè)條件下高效生產(chǎn)目標產(chǎn)品的生物系統(tǒng)。

通過AI輔助設(shè)計，科學(xué)家可以改造微生物的基因組，使其在特定條件下表現(xiàn)出優(yōu)異的生產(chǎn)性能。例如，通過編輯酵母或細菌的基因，科學(xué)家可以使這些微生物高效生產(chǎn)抗生素、酶或其他生物制品。

若此項技術(shù)能繼續(xù)發(fā)展，不僅將推動科學(xué)研究的前沿發(fā)展，還能為醫(yī)藥、環(huán)境保護和農(nóng)業(yè)等領(lǐng)域帶來重要的應(yīng)用前景。

數(shù)據(jù)驅(qū)動的個性化醫(yī)療

EvolutionaryScale正通過AI和大數(shù)據(jù)分析技術(shù)推動個性化醫(yī)療的進步，為患者提供更加精準和高效的醫(yī)療服務(wù)。

個性化醫(yī)療是基于每個患者的獨特生物學(xué)信息和臨床數(shù)據(jù)，量身定制最合適的治療方案。其中一個關(guān)鍵領(lǐng)域是基因組分析。通過對患者的基因組進行全面測序和分析，科學(xué)家可以識別出與疾病相關(guān)的基因變異。

EvolutionaryScale利用AI技術(shù)，快速準確地解析大量基因組數(shù)據(jù)，從中發(fā)現(xiàn)潛在的疾病風險因素。

這種方法可以幫助醫(yī)生在疾病的早期階段做出診斷，并采取預(yù)防措施。例如，通過分析乳腺癌患者的BRCA1和BRCA2基因突變，可以預(yù)測其患病風險，從而進行早期篩查和干預(yù)。

如今，EvolutionaryScale正站在生物學(xué)與人工智能融合的前沿，通過不斷創(chuàng)新和探索，致力于實現(xiàn)生物系統(tǒng)的編程和優(yōu)化。后續(xù)或?qū)�實現(xiàn)更多技術(shù)性的突破，為人類開創(chuàng)一個更加智能和健康的未來。

【聲明】：未經(jīng)允許嚴禁轉(zhuǎn)載，如需轉(zhuǎn)載請聯(lián)系我們，文章版權(quán)和最終解釋權(quán)歸元宇宙之心所有。

       原文標題 : 打臉Meta還獲得英偉達加持？被解散的原Meta AI蛋白質(zhì)團隊最新融資1.42億美元