OpenAI首個(gè)蛋白質(zhì)模型披露更多細(xì)節(jié)，改進(jìn)諾獎研究成果，表達(dá)量提升50倍

不圓 2025-08-23 13:56:44 來源：量子位

不圓 時(shí)令 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

GPT-4o蛋白質(zhì)專用版，已成功改進(jìn)諾貝爾獎獲獎蛋白的變體。

科學(xué)家利用GPT?4b micro成功設(shè)計(jì)了新型且顯著增強(qiáng)的山中伸彌因子變體，將干細(xì)胞重編程標(biāo)記物的表達(dá)量提升了50倍。

重新設(shè)計(jì)的蛋白質(zhì)還表現(xiàn)出增強(qiáng)的DNA損傷修復(fù)能力。

這一發(fā)現(xiàn)已在多個(gè)供體、細(xì)胞類型和遞送方法中得到了驗(yàn)證，確認(rèn)了衍生iPSC系的全多能性和基因組穩(wěn)定性。

有網(wǎng)友評價(jià)，借著AI發(fā)展的東風(fēng)，我們這一代可能是首次有機(jī)會通過AI的進(jìn)步實(shí)現(xiàn)長壽的一代。

目前，研究團(tuán)隊(duì)公布了更多的突破細(xì)節(jié)。

前所未有的上下文長度

GPT?4b micro是一款OpenAI與生物技術(shù)初創(chuàng)公司Retro Bio合作開發(fā)的，專為蛋白質(zhì)工程設(shè)計(jì)的GPT-4o微型版本。

OpenAI官方表示，該模型具備廣泛的生物學(xué)知識基礎(chǔ)和技能，特別注重可控性和靈活性，以支持蛋白質(zhì)工程等高級應(yīng)用場景。

在模型設(shè)計(jì)上，他們首先基于GPT-4o的精簡版進(jìn)行系統(tǒng)初始化，以便充分利用GPT模型現(xiàn)有的知識儲備。

然后，他們在一個(gè)主要由蛋白質(zhì)序列、生物文本和標(biāo)記化的3D結(jié)構(gòu)數(shù)據(jù)組成的數(shù)據(jù)集上對其進(jìn)行了進(jìn)一步訓(xùn)練，這些元素是大多數(shù)蛋白質(zhì)語言模型所忽略的。

團(tuán)隊(duì)繼續(xù)對大部分訓(xùn)練數(shù)據(jù)進(jìn)行了豐富化處理，為其增添了額外的上下文信息，如文本描述、共同進(jìn)化的同源序列以及已知相互作用的蛋白質(zhì)組合。

有了這些上下文信息，研究者就可以促使GPT-4b micro生成具有特定期望屬性的序列。

此外，由于大多數(shù)數(shù)據(jù)是無結(jié)構(gòu)的，該模型處理具有內(nèi)在無序區(qū)域的蛋白質(zhì)與處理結(jié)構(gòu)化蛋白質(zhì)同樣有效。

上述特性對于山中伸彌因子這類不穩(wěn)定的蛋白質(zhì)尤其有用，它們的結(jié)構(gòu)不像穩(wěn)定的積木，而像靈活的“軟體動物”，通過與許多不同的分子進(jìn)行短暫相互作用來產(chǎn)生效應(yīng)。

△山中伸彌蛋白KLF4（左）和SOX2（右）

通過使用富含額外上下文信息的蛋白質(zhì)數(shù)據(jù)進(jìn)行訓(xùn)練，訓(xùn)練樣本的有效上下文長度得到了顯著擴(kuò)展，遠(yuǎn)超獨(dú)立序列。

最終，研究團(tuán)隊(duì)發(fā)現(xiàn)，即使輸入長達(dá)64000個(gè)token的超長提示，模型的可控性和輸出質(zhì)量仍在持續(xù)提升。

雖然這種上下文長度在文本大語言模型中很常見，但在蛋白質(zhì)序列模型中前所未有。

在開發(fā)過程中，研究團(tuán)隊(duì)還觀察到了與LLM中類似的scaling laws的出現(xiàn)——即在更大的數(shù)據(jù)集上訓(xùn)練的模型，在困惑度和下游蛋白質(zhì)基準(zhǔn)測試中的表現(xiàn)都有所提升。

這種特性使得研究人員能夠在小規(guī)模下進(jìn)行迭代，最終訓(xùn)練出GPT-4b micro。

已改進(jìn)諾貝爾獲獎蛋白變體

為了證明GPT?4b micro能夠加速藥物開發(fā)，Retro Bio的科學(xué)家使用該模型重新設(shè)計(jì)了與細(xì)胞重編程研究項(xiàng)目相關(guān)的蛋白質(zhì)。

在體外，這些重新設(shè)計(jì)的蛋白質(zhì)比野生型對照組的干細(xì)胞重編程標(biāo)志物表達(dá)量高出50倍以上。它們還表現(xiàn)出增強(qiáng)的DNA損傷修復(fù)能力，與基線相比顯示出更高的恢復(fù)年輕狀態(tài)的潛力。

這一發(fā)現(xiàn)是在2025年初做出的，現(xiàn)在已經(jīng)在多個(gè)供體、細(xì)胞類型和遞送方法中得到了驗(yàn)證，確認(rèn)了衍生iPSC系的全多能性和基因組穩(wěn)定性。

山中伸彌因子——OCT4、SOX2、KLF4和MYC（OSKM）是再生生物學(xué)中目前最重要的蛋白質(zhì)之一，它們以發(fā)現(xiàn)這些因子能夠?qū)⒊赡昙?xì)胞重編程為多能干細(xì)胞的山中伸彌（Yamanaka Shin’ya）的名字命名，這一發(fā)現(xiàn)使他在2012年獲得了諾貝爾生理學(xué)或醫(yī)學(xué)獎。

這些因子也被用于開發(fā)治療失明的藥物、逆轉(zhuǎn)糖尿病、治療不孕不育以及解決器官短缺問題。

但它們存在效率低下的問題：在治療過程中，通常只有不到0.1%的細(xì)胞會轉(zhuǎn)化，這個(gè)過程可能需要三周或更長時(shí)間。并且，在來自衰老或患病供體的細(xì)胞中，效率會進(jìn)一步下降。

因此，尋找更有效的變體仍然是一個(gè)活躍且重要的研究重點(diǎn)。

但直接優(yōu)化蛋白質(zhì)序列非常困難——SOX2包含317個(gè)氨基酸，KLF4則有513個(gè)，可能的變體數(shù)量達(dá)到了10^1000量級。

傳統(tǒng)的“定向進(jìn)化”篩選方法每次只能突變少數(shù)幾個(gè)殘基，只能探索設(shè)計(jì)空間中極小的一部分。一個(gè)領(lǐng)先學(xué)術(shù)團(tuán)隊(duì)測試了數(shù)千種SOX2突變體，發(fā)現(xiàn)少數(shù)幾種三重突變體有適度提升，而15年來對嵌合SOX蛋白的研究僅產(chǎn)生了與天然SOX僅相差5個(gè)殘基的變體。

Retro團(tuán)隊(duì)利用人類成纖維細(xì)胞（皮膚與結(jié)締組織）構(gòu)建了濕實(shí)驗(yàn)室篩選平臺，在初步驗(yàn)證階段，該團(tuán)隊(duì)通過手動設(shè)計(jì)的基準(zhǔn)OSKM和SOX2變體進(jìn)行試點(diǎn)篩選。

隨后，他們要求GPT-4b micro生成一組多樣化的”RetroSOX”序列。

在篩選中，盡管模型提出的序列與野生型SOX2平均存在超過100個(gè)氨基酸差異，但其中超過30%的序列在表達(dá)關(guān)鍵多能性標(biāo)志物方面表現(xiàn)更優(yōu)。

相比之下，傳統(tǒng)篩選方法的命中率通常低于10%。

研究團(tuán)隊(duì)隨后著手改造山中伸彌因子中體積最大的KLF4蛋白。雖然已知可用其他KLF家族因子替代KLF4，但重編程效率并未提升。

此前，通過專家指導(dǎo)的單氨基酸替換進(jìn)行的改良嘗試，在19個(gè)樣本中僅獲得1個(gè)成功案例（KLF4 L507A）。

基于RetroSOX的成功經(jīng)驗(yàn)，研究團(tuán)隊(duì)引導(dǎo)模型生成一組增強(qiáng)型RetroKLF變體。最終，模型生成的變體中有14種表現(xiàn)優(yōu)于RetroSOX篩選中的最佳組合方案——命中率接近50%。

將最優(yōu)的RetroSOX與RetroKLF變體組合使用時(shí)效果最為顯著。

在三次獨(dú)立實(shí)驗(yàn)中，成纖維細(xì)胞早期標(biāo)志物（SSEA-4）與晚期標(biāo)志物（TRA-1-60、NANOG）的表達(dá)水平均呈現(xiàn)顯著提升，其中晚期標(biāo)志物的出現(xiàn)時(shí)間比野生型OSKM組合方案提前了幾天。

此外，通過在第十天進(jìn)行堿性磷酸酶（AP）染色驗(yàn)證，RetroSOX與RetroKLF變體不僅表達(dá)晚期多能性標(biāo)志物，還表現(xiàn)出強(qiáng)效的AP活性，表明其具有多能性。

為進(jìn)一步驗(yàn)證重編程效率的提升并探索其臨床潛力，研究團(tuán)隊(duì)測試了另一種遞送方法（mRNA而非病毒載體）以及另一種細(xì)胞類型——間充質(zhì)干細(xì)胞（MSCs），這些細(xì)胞來自三位中年人類供體（年齡超過50歲）。

結(jié)果顯示，僅7天內(nèi)，超過30%的細(xì)胞開始表達(dá)關(guān)鍵多能性標(biāo)志物（SSEA4與TRA-1-60）；至第12天時(shí)，出現(xiàn)大量呈現(xiàn)典型iPSCs形態(tài)特征的細(xì)胞團(tuán)簇。

這些細(xì)胞中超過85%激活了關(guān)鍵干細(xì)胞標(biāo)志物（OCT4、NANOG、SOX2及TRA-1-60）的內(nèi)源性表達(dá)。

探究團(tuán)隊(duì)隨后驗(yàn)證了這些由RetroFactor衍生的iPSCs能夠成功分化為所有三個(gè)原始胚層（內(nèi)胚層、外胚層與中胚層）。

此外，研究團(tuán)隊(duì)還擴(kuò)展了多個(gè)單克隆iPSC系，經(jīng)過數(shù)代培養(yǎng)后，確認(rèn)了健康的核型和適合細(xì)胞治療的基因組穩(wěn)定性。

這些結(jié)果持續(xù)超越合同研究組織使用標(biāo)準(zhǔn)因子生成的常規(guī)iPSC系基準(zhǔn)，進(jìn)一步佐證了工程化變體的強(qiáng)效性。

此外，它們還為關(guān)于不同遞送方式和細(xì)胞類型中PSC生成增強(qiáng)提供了證據(jù)支撐。

綜合高命中率、深度序列編輯、標(biāo)志物提前表達(dá)以及AP陽性細(xì)胞團(tuán)形成等證據(jù)，初步表明AI指導(dǎo)的蛋白質(zhì)設(shè)計(jì)能顯著加速干細(xì)胞重編程研究進(jìn)程。

受這些結(jié)果啟發(fā)，研究團(tuán)隊(duì)接下來研究了他們重新設(shè)計(jì)的變體恢復(fù)青春的潛力，聚焦于DNA損傷這一導(dǎo)致細(xì)胞功能受損的典型衰老標(biāo)志。

早期研究表明，山中伸彌因子能在不完全改變細(xì)胞身份的前提下，清除小鼠細(xì)胞中與DNA損傷相關(guān)的衰老標(biāo)記。

研究團(tuán)隊(duì)試圖驗(yàn)證重新設(shè)計(jì)的變體是否相較于基準(zhǔn)OSKM組合展現(xiàn)出更強(qiáng)的恢復(fù)青春的能力。結(jié)果顯示，在DNA損傷檢測中，經(jīng)RetroSOX/KLF組合處理的細(xì)胞顯示出的γ-H2AX強(qiáng)度（雙鏈斷裂標(biāo)志物）顯著低于使用標(biāo)準(zhǔn)OSKM或熒光對照的重編程細(xì)胞。

該結(jié)果表明重新設(shè)計(jì)的RetroSOX/KLF組合在減少DNA損傷方面比原始山中伸彌因子更有效。

通過改善細(xì)胞衰老的核心標(biāo)志之一，這些工程化變體為改進(jìn)細(xì)胞再生和未來療法提供了潛在途徑。

總的來說，GPT?4b micro在所有候選蛋白中產(chǎn)生了最佳變體，在提出更多多樣化序列的同時(shí)，保持了比人類科學(xué)家基準(zhǔn)更高的命中率。

令人欣喜的突破

網(wǎng)友首先對OpenAI進(jìn)軍生物科學(xué)領(lǐng)域的大膽舉措給予了充分肯定，猛猛夸贊了一下OpenAI。

甚至揚(yáng)言這是改變?nèi)祟悮v史的事情。

也有一些網(wǎng)友對此研究表現(xiàn)出疑惑，主要集中在長壽和治愈疾病方面（用Grok重在摻和）。

還有網(wǎng)友表示出了自己的獨(dú)特想法，想讓獲得批準(zhǔn)的人能夠創(chuàng)建出適合濕實(shí)驗(yàn)室的蛋白質(zhì)，而不受安全限制的影響。

值得一提的是，OpenAI科學(xué)家Noam Brown表示，這一模型已經(jīng)是幾個(gè)月前的成果，現(xiàn)在的模型性能更強(qiáng)，預(yù)計(jì)未來一年左右會看到更多新成果。

那大家拭目以待嘍～

參考鏈接：
[1]https://openai.com/index/accelerating-life-sciences-research-with-retro-biosciences/
[2]https://x.com/BorisMPower/status/1958915868693602475
[3]https://x.com/polynoamial/status/1958920311161925899