北京
“讓全世界的科研人員，都能更快為單個患者設計有效療法?！?這句話，來自一位專攻兒科的前臨床醫生、現在同時也是 Meta 首席執行官馬克·扎克伯格的妻子——普莉希拉·陳。她所聯合創辦的 Biohub 研究所剛剛做了一件事：把一套能預測、設計并發現蛋白質的 AI 系統，全部免費公開了。換句話說，過去藥廠可能要耗上三四年才能篩出的抗體候選分子，現在借助這套工具，只需幾天就能在計算機上完成初篩。
這套系統圍繞三個核心組件構建，可以看成一套蛋白質世界的“語言翻譯器、結構設計師與茫茫圖譜搜索引擎”的組合。打頭陣的是 ESMC，一個在從整個生命域采集來的約 28 億條蛋白質序列上訓練出來的最先進表達語言模型。你可以把它理解為一臺蛋白質界的通用句法解釋器，它能將任意一段氨基酸序列轉換為一組高維“語義”向量，這些向量攜帶著有關序列功能、進化關系和潛在結構偏好的豐富信號。
接著上場的是 ESMFold2，它充當結構設計引擎，負責把 ESMC 輸出的序列表達直接翻譯成生物大分子復合物的三維結構。重點在于它的實戰目標：針對像腫瘤這樣的特定靶點，ESMFold2 能夠提前標定那些最有可能產生高親和力結合的蛋白質構象。比起在濕實驗中一槍一槍地試，這種計算優先的方式，等于把“大海撈針”變成了“拿著一張指針清晰的尋寶圖”。相關測試數據表明，在蛋白質-蛋白質相互作用以及抗體-抗原相互作用的預測任務上，ESMFold2 的性能已經能超越或至少打平 Google 的 AlphaFold 3——后者一直是該領域的明星模型。
第三塊拼圖是 ESM Atlas（蛋白圖譜）。它讓研究人員可以跨越 ESMC 產生的 68 億個蛋白質序列表達向量、以及 11 億個預測結構進行大規模探索。以往的蛋白質數據庫往往受限于已測定的結構范圍，很多暗藏在序列里的遠緣關聯、功能相似性，根本挖不出來。而 ESM Atlas 憑借這般量級的向量及結構檢索能力，能將那些以往數據庫捕捉不到的關系暴露在臺面上，相當于給了生物學家們一部可以隨意放大縮小、甚至自動高亮相似家族的蛋白質宇宙星圖。
這三樣工具——ESMC、ESMFold2 和 ESM Atlas，已經被全部整合進 Biohub 的公共平臺，全球科學界可以無償使用。一個典型的應用場景是：過去要對難治性癌癥或自身免疫病搞抗體療法，找到有前景的候選蛋白通常要經過三年到四年的漫長篩選；現在，ESMFold2 利用計算手段包攬了前端大部分的探索工作，據說只需幾天就能給出可以直接進實驗室驗證的設計。這不只是速度的提升，更是在資源分配邏輯上的一次重置：讓昂貴的濕實驗被花在最有希望的方向上。
從 Biohub 公布信息來看，被加速的不只有抗癌抗體設計。因為該模型在抗體-抗原交互預測上的高準確性，意味著針對感染性疾病、自身免疫紊亂等過去“無藥可用”的領域，也可能快速產出試驗性蛋白質藥物方案。普莉希拉·陳的那句話背后，是她長期作為兒科醫生目睹病患缺乏有效治療手段的切身體會，如今通過把前沿計算工具直接推送到全世界研究者手中，她期望的是“更快的前進速度”——速度快到能趕在病情惡化之前。
如果你覺得這像是把 AlphaFold 的故事又講了一遍，那這次的區別在于：Biohub 沒有把它當成一篇放在頂級期刊上的“廣告”，而是直接打開大門、免費用、隨時接進研究流程。在扎克伯格和普莉希拉·陳的資助體系下，這套模型并沒有商業授權門檻，而是帶著完整的三件套生態系統走向公共科研。對于正卡在蛋白質工程瓶頸里的團隊而言，下一個救命的抗體藥分子，或許就在幾天計算后的候選名單里。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
