韩国科学技术院(KAIST)开发出可与谷歌DeepMind的“AlphaFold3”相抗衡的国产生物人工智能(AI)模型。该AI可预测蛋白质与药物结合过程中发生的结构变化,协助新药候选物质的筛选。该模型是政府为在通用大语言模型(LLM)之外,于生物、医科学等专业领域也掌握自主AI技术而推进的“AI专用基础模型”项目的成果,有望降低对海外技术的依赖,拓宽韩国制药、生物研究应用AI的基础。
KAIST于28日表示,通过韩国科学技术情报通信部“AI专用基础模型项目”开发出下一代生物AI模型“K-Fold”。该研究由KAIST化学系教授金佑渊统筹,黄性주⋯由金载哲AI研究生院教授黄性周、安成洙研究团队负责AI模型开发,生命科学系教授吴丙河、金浩民、李奎利研究团队负责蛋白质数据构建与验证。KAIST教师创业企业HITS负责服务开发,以便研究人员能够实际使用K-Fold。
速度提升25倍的韩国版AlphaFold
K-Fold不仅可预测蛋白质的三维结构,还能预测蛋白质与药物候选物质结合后形成何种结构。在新药开发过程中,可在逐一实验大量候选物质之前,借助AI筛选出哪些物质更可能与特定蛋白质良好结合。它还能预测蛋白质与蛋白质、抗体与抗原、DNA与RNA等各种生物分子结合时形成的复合体结构。
今年3月的政府课题阶段评估中,K-Fold的分子复合体结构预测精度被评价为接近AlphaFold3的水平。研究团队本月自行实施的性能评估显示,在部分评估项目上已领先全球模型。尤其在靶向蛋白降解(TPD)药物、G蛋白偶联受体(GPCR)、激酶(Kinase)等结构变化难以预测的新药靶点上表现出较高性能。
预测速度也得到提升。现有结构预测AI必须经过检索并比对大量相似蛋白质序列信息的多序列比对(MSA)过程。K-Fold通过大规模预训练降低了对该过程的依赖,并采用以生成式AI学习蛋白质与其他物质结合时发生的结构变化的独有方式。研究人员解释,由此省去了结构预测所需的预计算步骤,使结构预测速度比现有模型最高提升25倍。
对接公开平台,任何研究者都可与AI科学家协作
研究团队还将K-Fold对接为可实际用于新药研究的服务。在HITS的AI平台“HyperLab”中搭载K-Fold后,研究者只需以自然语言输入“请设计一个与这一蛋白质强结合的抗体”,AI便可分阶段完成预测蛋白质结构、设计结合可能性高的候选物并评估结果的过程。
HyperLab连接了可用于结构预测、药物设计、生命科学数据分析等的120余种计算工具、160余项专业功能以及100余个专业数据库和知识图谱。其构想是将其发展为能够理解研究者提问、选择所需工具预测结构,并延伸至结果分析与设计改进的“AI共同研究者(Co-Scientist)”。
K-Fold由7B级主模型和2B级轻量模型构成,将以Apache 2.0许可证开源公开。研究团队计划让国内高校和研究机构以及制药、生物企业都能利用K-Fold开发自有研究与服务。韩国制药生物协会与韩国生物协会也将面向企业实务人员开展K-Fold使用方法和新药设计应用案例培训等,推动其在产业现场普及。
超越通用AI,生物领域也要“技术主权”
K-Fold的开发,其意义还在于政府正将确保AI技术主权的范围从通用AI扩大到生物、医科学等专业领域。韩国科学技术信息通信部在通用自主AI基础模型之外,另行推进“AI专用基础模型”项目,意在于仅靠通用AI难以解决的专业领域掌握自主AI模型,并推广至国内产业和研究现场。
生物与医科学是首批战略领域。去年的公开招标共有18个联合体申请,最终由KAIST和医疗AI企业Lunit牵头的两个联合体入选。KAIST正开发用于蛋白质复合体结构预测和新药设计的生物AI,Lunit则开发从分子、药品到临床试验和实际医疗现场的全周期医科学AI。政府自去年11月起分别向两个联合体提供了256张英伟达B200 GPU。
研究团队表示:“在生物领域掌握自主AI,其意义不只是多增加一个国产模型。”目前主导蛋白质结构预测领域的AlphaFold3等海外模型在使用条件或商业应用上可能存在限制。随着AI日益成为新药开发的核心研究工具,国内研究机构和制药、生物企业受海外模型及其服务政策影响的可能性也在增大。KAIST研究团队称,开发K-Fold的最终目标是“降低对海外技术的依赖,构建基于国内自主技术的主权生物AI”。






