“照搬谷歌DeepMind的‘AlphaFold3’是没有胜算的。美国和中国已经出现了复现AlphaFold3的模型,因此必须以创意和技术实力实现差异化。”
韩国科学技术院(KAIST)化学系教授金佑渊9日在接受Seoul Economic Daily电话采访时,介绍了自主研发的生物人工智能(AI)模型“K-Fold”,并如此表示。金教授强调:“与大语言模型(LLM)不同,用于新药开发的生物AI仍有很大空间去挑战全球竞争。”
他解释称:“AlphaFold3以论文形式公开,可用于研究目的,但商业应用存在限制”,“生物AI可应用于包括新药开发在内的各类生物研究与产业,若掌握自主技术,经济价值巨大。”他表示,该技术可广泛应用于功能性化妆品或农业等利用细胞内蛋白质作用的领域。
K-Fold是KAIST研究团队通过韩国科学技术情报通信部“AI专用基础模型开发项目”开发的生物AI模型。AlphaFold3及复现它的各类模型在计算蛋白质结构之前,依赖于从庞大数据库中查找并比对相似蛋白质序列信息的“多序列比对(MSA)”。但K-Fold以预训练方式替代了这一过程,大幅减少了计算所需的时间和资源。金教授解释:“AlphaFold3预测一个蛋白质结构,体感上大约需要20~30分钟,而K-Fold去掉了检索数据库的前端环节,速度大幅提升。”在研究团队的自主评估中,K-Fold的结构预测速度最高比现有模型快25倍以上。
金教授解释:“如果说现有模型专注于猜准最终结构,那么我们超越了单纯的结构预测,能够预测结构变化。”实际上,在研究团队的自主基准测试中,在GPCR、磷酸化酶以及靶向蛋白降解(TPD)等结合过程中出现复杂结构变化的部分领域,其预测性能高于AlphaFold3。
金教授认为,AI为新药开发带来的最大变化是“从发现(discovery)到设计(design)的转变”。过去开发新药的方式是在已知物质中寻找有前景的候选,并通过反复实验进行优化。但随着生成式AI的发展,研究正从对已知物质做细微改动,扩展到从一开始就设计出具备所需条件的新候选物。
当然,AI并未解决新药开发的所有问题。精准找出新疾病的治疗靶点,以及毒性、副作用预测,尚未完全成熟。一旦确定攻克哪种蛋白质,就可据此设计新物质,但要找出“攻克什么才能治好疾病”,AI的准确度仍然不够。
解决这类难题的变量最终还是“数据”。据金教授介绍,迄今通过实验积累的蛋白质结构数据约为20万件。这是全球研究者数十年积累的成果,但与学习互联网海量文本的LLM相比,数据规模非常小。
越到新药开发的后期,获取数据越困难。毒性、副作用和临床试验信息是制药公司在长期新药开发过程中积累的核心资产,往往并不公开。因此金教授解释,在生物AI研究中,与像LLM那样不断扩大数据规模来提升性能相比,更重要的是打造在有限数据下也能正常运作的模型。他表示:“生物数据新获取需要大量时间和成本,实际上难以无限增加”,“必须重新设计模型或利用模拟来弥补不足的数据。”K-Fold研究团队今后也计划通过模拟蛋白质可能呈现的各种状态来补充训练数据,并将研究范围从结构预测扩展到设计具备所需功能的新蛋白质。






