李彥宏發(fā)起創(chuàng)立，又一個“機器人”曝光了

豐色 2022-09-17 13:13:13 來源：量子位

楊凈 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

悄無聲息悄無聲息，李彥宏旗下又一個“機器人”曝光：

ImmuBot。

而且術業(yè)有專攻——從事當前最熱門的計算生物領域。更細分一點，則是針對免疫系統(tǒng)治療的蛋白質藥物設計相關。

所在的團隊，正是李彥宏剛創(chuàng)立兩年的創(chuàng)新藥物研發(fā)平臺百圖生科。

兩年時間秘密打造，這個專業(yè)的免疫“機器人”究竟有什么看頭？

ImmuBot免疫機器人

ImmuBot免疫機器人，簡單來說就是一種能夠重編程免疫系統(tǒng)的蛋白質藥物。

以往的認知中，免疫系統(tǒng)，作為人類抵御疾病的自然防線，一旦功能障礙，就可能造成各類腫瘤、自身免疫性疾病、 感染性疾病等病癥發(fā)生。

與此同時，它又十分復雜。在發(fā)布會現場，百圖生科CEO劉維曾這樣算了算它的復雜度。

每個免疫細胞至少有兩萬種蛋白來決定它的功能，而這些蛋白每個可能有上百種不同的亞型，對這些蛋白的調控，根據它的結合表位、結合方式、調控親和力不同也有不同的結果。

最后，更不論分布在不同組織器官環(huán)境下不同特征、種類多達數十類的免疫細胞族群，以此形成萬億關系級別的功能調控網絡，加之人與人之間也有不同的區(qū)別，可見其復雜性。

但當前的免疫調控藥物，只針對系統(tǒng)內的通用人群、單一或少數靶點進行調控，這種情況就會造成藥物安全性以及效用性的挑戰(zhàn)。

而機器人的設計，隨著識別、感知、決策等能力的加強，不再僅限于簡單機械地加工，更能駕馭復雜系統(tǒng)。

ImmuBot，正是基于這種背景下誕生的。它用生物計算引擎來設計全新蛋白質，來實現復雜的藥物機理MOA，從而對失效的免疫系統(tǒng)進行“重編程”。

從結構上來看，主要包含了五個部分：

Seeker，高特異性彈頭，定位要調控的細胞。ImmuBot為每個靶點配備了恰當親和力、精準定表位和功能激發(fā)的高性能彈頭。

除此之外， 研究人員還做了靶點組合挖掘和多彈頭橋接藥物設計，可以實現對多個組織特異性靶點、免疫功能靶點的組合靶向。

Sensor，對環(huán)境做出響應的傳感器組合。以針對腫瘤微環(huán)境為例，pH值酸堿度與正常組織不同， 傳感器就對會pH值做出相應，給控制器Controller提供信號。

這也是ImmuBot之所以被稱為機器人的核心原因。

接收到信號后，Controller就對彈頭進行調控激發(fā)：

• 如果環(huán)境A成立，就釋放A彈頭；如果環(huán)境B成立，就釋放B彈頭。

未來還會出現更多的調控因素，如果A的數字大于B，就釋放A彈頭；如果A小于C，就可能釋放B彈頭。這種AND、OR、IF等條件觸發(fā)機制就類似于我們日常編程邏輯電路了。

除此之外，還有調節(jié)器Modulator和納米顆粒級別的底座Carrier。

值得一提的是，整個免疫機器人可組裝，每個構件均可預制和復用。據介紹，這樣不僅可以確保單體藥物的最佳性能，還帶來整體藥物研發(fā)10到100倍的效率提升。

最后，簡單總結ImmuBot的功能特點，大體總結為四點：彈頭高性能、組合多靶向、編程式控制、構件式組裝。

生物預訓練大模型

據量子位智庫《計算生物學深度產業(yè)報告》顯示，當前，計算生物行業(yè)主要有以下幾種商業(yè)模式：算法授權、生物資產以及軟件使用。

生物資產，就是目前百圖生科ImmuBot研發(fā)的未來模式。

據介紹，他們正在構建一個大型的創(chuàng)新藥物資產組合，包括10余類自主八點挖掘項目、30余個構件研發(fā)項目、10余個自主和合作藥物研發(fā)項目。

這個大規(guī)模資產組合覆蓋了大批腫瘤和自身疾病，尤其是胃癌、肝癌等國內臨床需求強烈的病種，也覆蓋了近十種主要的免疫細胞，為每類免疫細胞準備了創(chuàng)新的靶頭。

此外，他們還計劃自主或與合作伙伴聯合，推出更多的藥物管線。預計明年將實現首批ImmuBot項目進入臨床。

而這背后一整個驅動力，基于AI大模型的高通量干濕閉環(huán)生物計算引擎。

底層“大科學裝置”，包括萬億關系的多組學免疫圖譜、千億參數的蛋白質/免疫計算大模型、億級數據生產量的高通量免疫模擬實驗系統(tǒng)等技術。

據百圖生科首席AI科學家宋樂介紹，其中千億參數大規(guī)模預訓練模型，作為重要的連接，不用于現有認知的語言模型，它主要包括四層嵌套的模型體系：

蛋白質結構——>蛋白質之間及與其他分子的相互作用——>細胞層面的建?！?gt;免疫系統(tǒng)與環(huán)境之間的相互作用。

下層預測或產生的一些表征，可以被上層的模型拿去利用，以此來增強上層模型的預測能力。

基于這種嵌套式大模型，輔助和優(yōu)化藥物設計，設計出各種各樣的ImmuBot。

而這種執(zhí)行思路，目前也正在實際地測試當中，即與ImmuBot一同官宣的北京中心實驗室。

他們內部稱其為超級大規(guī)模免疫模擬系統(tǒng)。

截至目前，百圖生科共有兩處研發(fā)中心，另一個則是位于蘇州工業(yè)園區(qū)，近300名生物+計算團隊，其中包括機器學習和圖深度學習大牛、今年ICML大會主席宋樂。

不過必須要說的是，計算生物與AI制藥的探索才剛剛開始。

一邊是剛剛興起的計算生物領域，另一邊則是投融資矚目、但質疑聲不斷的AI制藥賽道。

前者首要落地的場景，非AI制藥莫屬，但兩者之間究竟該如何結合？計算生物的進展，到底會對蛋白質類藥物設計會帶來什么樣的影響？

這一切還沒有答案，但像百圖生科這樣的玩家們已經在路上了。