近日，ChatGPT和文心一言等超大規模預訓練模型紛紛登場，讓我們看到了AI破解人類自然語言的力量。

成立兩年多以來，BioMap百圖生科一直致力于打造生命科學領域的AI大模型，構建了千億參數的跨模態大模型 “xTrimo” （The Cross-Modal Transformer Representation of Interactome and Multi-Omics）。

該大模型從跨物種、跨模態的生命信息中學習蛋白質如何構成和實現功能、如何相互作用、如何組合和調控細胞功能的關鍵規律，從而破解生命的自然語言 —— 蛋白質。基于大模型，AI在一系列任務算法上取得了明顯的進展，除了更好地完成結構預測等基礎任務外，也開始可以根據不同的問題輸入，以生成的方式，設計創新的蛋白質，來回答各種生命科學問題。

2023 年 3 月 23 日，百圖生科在北京發布生命科學大模型驅動的AIGP —— AI Generated Protein平臺，旨在將這一技術平臺的能力與更多行業伙伴分享，利用AI設計創新蛋白質的能力，共同研發更多的前沿藥物和其他生命科學項目，也通過一系列挑戰性的新任務，驅動AIGP平臺的技術進步。

在發布前，AIGP平臺已經進行了一段時間的內部測試，在百圖生科內部承載了其創新免疫調控藥物ImmuBot的研發工作，貢獻了多個高性能彈頭、新功能傳感器的研發案例。

除此之外，有近20家合作伙伴和百圖生科開展了AIGP聯合研發合作，方向覆蓋高性能彈頭設計、新功能蛋白質設計、靶點挖掘和調控蛋白設計等領域，其中多個項目取得了階段性的發現成果。在合作的創新藥企、學術PI的幫助下，AIGP平臺也進行了諸多優化。

因此，本次百圖生科AIGP平臺的對外發布，實際意味著對平臺創新蛋白質的生成能力開啟“公測”新階段，也意味著百圖生科AIGP平臺將為更多伙伴，包括科研、環保、材料、消費等更多場景的需求，提供解決方案。

圖： AIGP 3大功能模塊+12項核心能力示意圖

目前，百圖生科AIGP平臺設置了3類功能模塊，分別是Function to Protein Design（F2P，根據結構、功能、可開發性等功能指標設計/優化蛋白質）、Protein to Protein Design（P2P，給定抗原等目標蛋白，設計與之以特定方式結合的抗體等蛋白），以及Cell to Protein Design（C2P，給定細胞，發現調控細胞功能的靶點蛋白并設計相應的調控蛋白）。

根據不同模塊的輸入和要求，AIGP平臺可在較短時間內設計和生成具有特定性質的蛋白質。

隨著面向合作伙伴的公測階段取得進展，百圖生科計劃于2023年6月起將部分功能模塊進一步開放，讓專業用戶可以直接自主使用，在更多的研究場景調用AI的蛋白質生成能力，激發更多的生命科學探索。

對于百圖生科AIGP平臺的發布，世界生物信息學界的著名學者、哈佛計算生物醫學中心創始主任、R語言的主要發明人、百圖生科科學顧問委員會委員Robert Gentleman教授表示，在哈佛，他的團隊同樣在進行蛋白質生成/預測模型的相關研究，“百圖生科在這個方向上走得很遠了”。

他期待，AIGP會帶來更多的蛋白質/抗體生成模型，抗體工程師們可能會從這些模型的預測中，發現自己從未注意過的細節，“如果將這些模型視作‘idea generator’，一切會變得更加美妙”。

中國科學院院士、著名免疫學家董晨教授認為：“AI能夠解決的問題，就是對大數據的分析和進一步的演繹和應用。在當下的時間節點，AIGP確實是一個呼之欲出的平臺。相信AIGP對于我們理解蛋白質，以及在生物系統中研究和發現它的功能和調控，乃至于將來研發新藥，都會有非常大的作用。”

圖： 百圖生科CTO 宋樂博士

從AIGC到AIGP，人工智能的生成和預測能力對真實世界的影響將進一步加深。

而AIGP能力的背后，正是百圖生科在底層技術上的持續投入，以及與合作伙伴對前沿創新的共同追求。發布會上，百圖生科CTO宋樂博士對此進行了詳細介紹。

此前的媒體采訪中，宋樂博士也表示：“因為生命體的高度復雜度。目前數據量很大，但仍然是有限的。隨著生命科學領域觀測手段和技術的發展，將使我們能夠更加精細精準地理解進化，理解生命。這也就意味著，要實現這一目標，我們需要不斷吸納新的合作伙伴。”

正如百圖生科CEO劉維在本次發布活動所提到的，雖然百圖生科的AI大模型和與之配套的大規模數據圖譜、高通量驗證體系都遠不完美，但已經凝結了很多前沿技術的創新和探索，接下來，從開始展露一些能力到提高它的泛化能力和速度，需要專業伙伴的合作的加入，而且，合作伙伴也將得益這一系列嘗試，實現前沿項目的加速研發。

審核編輯 黃宇