打臉Meta還獲得英偉達加持？被解散的原Meta AI蛋白質團隊最新融資1.42億美元

“行業觀察者”是我們針對人工智能、XR、元宇宙和Web3等前沿科技而設立的專欄，主要分享這些領域中的新興企業或者創業者們的故事。生物學前沿人工智能研究實驗室EvolutionaryScale近日宣布獲得超1.42億美元種子輪融資，同時發布裏程碑式AI模型ESM3。這家成立僅一年的公司在AI生命科學領域有着怎樣獨特的理念？全新的蛋白質大模型又有着怎樣的技術突破？以下是我們的第17期內容，以下Enjoy。

一周前，在Meta如火如荼地卷文生視頻賽道的時候，那個被它解散的蛋白質團隊EvolutionaryScale獲得了超1.42億美元的種子輪融資，這個融資額在整個生物技術領域都可以說是高得離譜。

去年八月，Meta官宣旗下的蛋白質折疊團隊Meta-FAIR解散。這個純粹的“科學+AI”項目並不能讓Meta快速獲得收益，Meta專注商業化AI的決定看似也是情理之中。

然而，這個不被看好的團隊竟用僅僅一年的時間就打了Meta的臉。他們最新推出的ESM3被認爲是生物學領域具有裏程碑意義的生成式AI模型，爲生物學編程开創了新的可能性。

01.1分鐘項目速覽

1.項目名稱：EvolutionaryScale

2.成立時間：2023年7月

3.產品簡介：

开發用於創造新型蛋白質和其他生物系統的大型語言模型——ESM，目前已迭代到ESM-3。4.創始人團隊：

首席科學家：Alexander Rives （紐約大學計算機科學博士、前Facebook AI科學家）

Tom Sercu

Sal Candido

5.融資情況：

2024年6月25日完成了高達1.42億美元的種子輪融資。本次融資由Nat Friedman和Daniel Gross以及Lux Capital領投，亞馬遜、NVentures（英偉達的風險投資部門）和天使投資人參投。

02.團隊協同一致的理念追求

人工智能的進步爲生物科學研究創造了前所未有的機會，包括設計功能性生物分子，尤其是蛋白質。將人工智能運用於蛋白質設計，不僅可以提升蛋白質設計的效率及成功率，還通過快速應對傳染病爆發等方式，來幫助人類解決一些正在面臨的挑战。

Alexander Rives等人正是看到了蛋白質設計方面的缺口，決定开發基於深度學習的大模型，從而推動產業級蛋白質設計進入“全自動智能生成時代”。

於是，EvolutionaryScale應運而生。它是一家專注於生物科學領域的前沿AI研究實驗室，致力於推出生物學前沿的語言大模型。

有意思的是，該公司創始團隊的八位成員全都來自於Meta的FAIR（基礎人工智能研究）部門。盡管在世界級的社交媒介巨頭那裏喫了癟，但初始團隊的核心人員都沒有放棄，反而快速地投入新战地，开始在原有團隊成果的基礎上开發下一代模型。

EvolutionaryScale的大模型支持健康、環境科學等領域的研究與开發，不停探索生物學的擴展性，爲突破性的科學研究提供動力。其中最顯著的成果就是蛋白質折疊技術的突破，ESM模型揭示了數億個宏基因組蛋白質的結構，幫助世界各地的科學家來模擬和理解蛋白質。

EvolutionaryScale旨在通過开放、安全的研究方式，來指導蛋白質設計領域的人工智能技術开發。

在此基礎上，該公司作爲籤署方，引領了超160位來自學術界、政府以及民間的全球利益相關者，共同發展這項技術，確保其安全可靠，從而達成造福人類健康和社會的愿景。

正是由於懷着引領生物學界先進AI技術的責任感，Alexander Rives和他的團隊從未停止腳步。

此前，EvolutionaryScale曾發布過大型語言模型ESM1，這被認爲是第一個用於蛋白質的transformer語言模型，由EvolutionaryScale的創始團隊在Meta的FAIR部門工作期間所構建。作爲ESM1升級模型的ESM2擁有1500萬個參數，並且相較於舊模型ESM1b（擁有6.5億個參數）表現更佳。

上周，EvolutionaryScale發布了最新的ESM3 AI模型，這是朝着生物學的未來所邁進的一大步。憑借這種模型的能力，有可能會加速廣泛應用的發現，有利於創造有助於捕獲碳的蛋白質，從而开發出新的癌症治療方法。

03.AI在生物學應用的先驅

ESM3是一個生成式的AI模型，主要功能是生成新型蛋白質。該模型通過深度學習技術，使用大量的蛋白質數據進行訓練，從而學習蛋白質的序列、結構和功能之間的關系。

ESM3的訓練使用了超過1萬億teraflops的計算能力，這是目前已知生物學領域中最大的計算規模。它在地球上自然多樣性的27.8億種蛋白質數據集上進行了訓練，使其能夠同時對蛋白質的序列、結構和功能進行推理。

ESM3的主要工作流程可簡略爲以下四個步驟：

數據收集與處理：EvolutionaryScale首先會從各種來源收集大量的生物學數據，包括基因序列、蛋白質結構、功能注釋等。這些數據會經過清洗、標准化和格式化處理，以便於後續的分析和應用。

模型訓練：使用深度學習算法和大量的計算資源，EvolutionaryScale會對處理後的數據進行訓練，構建出能夠理解和預測生物學規律的大型語言模型。這些模型不僅具有高度的准確性，還能夠處理復雜的生物學問題。

生成新蛋白質：通過交互式提示，ESM3能夠生成新的蛋白質，這些蛋白質可能在自然界中需要數億年才能進化出來。

科學驗證：生成的新型蛋白質將通過科學實驗進行驗證，以確定其功能和潛在應用。

目前，ESM3最引人注目的使用案例之一是生成了一種新的綠色熒光蛋白（GFP）。

GFP是自然界中最美麗和獨特的蛋白質之一，負責水母的發光和珊瑚的鮮豔熒光色。ESM3通過一系列思考過程，跨越了5億年的進化，創造了這種新的熒光蛋白。這一過程在自然進化中可能需要超過5億年，而ESM3通過計算方法實現了這一飛躍。

ESM3的發布也爲藥物發現和合成生物學領域帶來了革命性的變化。

在藥物發現方面，ESM3能夠生成具有特定生物活性的新型蛋白質，爲藥物篩選和優化提供了更多的候選分子。同時，ESM3還能夠預測和優化藥物與靶點的相互作用機制，爲藥物的設計和开發提供更加科學的依據。

在合成生物學方面，ESM3能夠生成具有特定功能的生物系統，爲生物制造和生物能源等領域提供了新的解決方案。例如，ESM3可以生成出將二氧化碳高效轉化爲有機物的酶系統，爲碳捕獲和利用提供了新的途徑。

EvolutionaryScale的ESM3模型代表了AI在生物學領域的新裏程碑。通過其強大的生成能力和與行業領導者的合作，ESM3有望加速新型蛋白質的發現和生物系統的設計，爲未來的藥物开發、材料科學和環境科學等領域帶來革命性的影響。

04.生物學領域創新之旅

合成生物學：編程生命

合成生物學是EvolutionaryScale未來發展的一個重要方向。通過設計和合成新的基因電路和生物路徑等方式，科學家們可以創建具有特定功能的生物體。

基因電路類似於電子電路，但它們在細胞中控制生物學過程。

基因電路能夠在細胞內實現對特定基因表達的精確控制。例如，可以設計一個基因電路，使其在細胞檢測到特定信號（如某種化學物質或環境變化）時啓動或關閉特定基因的表達。

合成生物路徑涉及多種酶和代謝途徑的組合，用於生產有價值的化合物。

通過AI分析和設計，科學家可以創建新的代謝途徑，使生物體能夠合成天然條件下無法產生的化合物。例如，通過重新設計微生物的代謝路徑，微生物可以生產出醫藥中間體、生物燃料或工業化學品。

細胞工廠是通過基因工程手段改造微生物，使其在工業條件下高效生產目標產品的生物系統。

通過AI輔助設計，科學家可以改造微生物的基因組，使其在特定條件下表現出優異的生產性能。例如，通過編輯酵母或細菌的基因，科學家可以使這些微生物高效生產抗生素、酶或其他生物制品。

若此項技術能繼續發展，不僅將推動科學研究的前沿發展，還能爲醫藥、環境保護和農業等領域帶來重要的應用前景。

數據驅動的個性化醫療

EvolutionaryScale正通過AI和大數據分析技術推動個性化醫療的進步，爲患者提供更加精准和高效的醫療服務。

個性化醫療是基於每個患者的獨特生物學信息和臨牀數據，量身定制最合適的治療方案。其中一個關鍵領域是基因組分析。通過對患者的基因組進行全面測序和分析，科學家可以識別出與疾病相關的基因變異。

EvolutionaryScale利用AI技術，快速准確地解析大量基因組數據，從中發現潛在的疾病風險因素。

這種方法可以幫助醫生在疾病的早期階段做出診斷，並採取預防措施。例如，通過分析乳腺癌患者的BRCA1和BRCA2基因突變，可以預測其患病風險，從而進行早期篩查和幹預。

如今，EvolutionaryScale正站在生物學與人工智能融合的前沿，通過不斷創新和探索，致力於實現生物系統的編程和優化。後續或將實現更多技術性的突破，爲人類开創一個更加智能和健康的未來。

參考鏈接：

1.https://www.evolutionaryscale.ai/

2.https://www.forbes.com/sites/kenrickcai/2023/08/25/evolutionaryscale-ai-biotech-startup-meta-researchers-funding/

3.https://www.businesswire.com/news/home/20240625717839/en/EvolutionaryScale-Launches-with-ESM3-A-Milestone-AI-Model-for-Biology

【聲明】：未經允許嚴禁轉載，如需轉載請聯系我們，文章版權和最終解釋權歸元宇宙之心所有。