撰文：帕特里克.派斯特                         2025年1月29日

艺术家对 esmGFP（由 ESM3 产生的新型荧光蛋白）的描绘图。（图片：EvolutionaryScale）
根据一项新的研究，人工智能 （AI） 模型模拟了五亿年的分子进化，为以前未知的蛋白质创建了密码。研

究人员说，这种发光的蛋白质，类似于在水母和珊瑚中发现的蛋白质，可能有助于开发新药。
蛋白质是生命的建筑积木之一，在体内执行各种功能，例如锻炼肌肉和对抗疾病。名为 esmGFP 的模拟蛋

白质，仅以计算机代码形式存在，但包含一种以前未知的绿里弗斯色荧光蛋白的图谱。在自然界中，绿色荧光蛋

白使荧光水母和珊瑚发出莹光。
拼出制造 esmGFP 指令的字母序列，与已知最接近的荧光蛋白只有 58% 相似，荧光蛋白是在气泡锥形海葵

中发现的一种蛋白质的人类修饰版本。

（Entacmaea quadricolor） — 五颜六色的海洋生物，看起来像触手末端有气泡。序列的其余部分是独一无

二的，总共需要 96 种不同的基因突变才能进化。根据这项研究，这些变化需要 5 亿多年才能自然进化。

去年，一家名为 EvolutionaryScale 的公司的研究人员，在一项预印本研究中公布了，esmGFP 和用于创建它的 AI 模型 ESM3。独立科学家现在已经对这些发现进行了同行评审，这些发现于 1 月 16 日发表在《科学》杂志上。
    ESM3 不会在通常的进化限制下设计蛋白质。相反，它是一个问题解决者，填补了研究人员提供的不完整蛋白质代码的空白，并在此过程中根据进化可能采取的所有潜在途径，设计了可能存在的东西。
   “我们发现 ESM3 学习基础生物学，并且可以在进化探索的空间之外产生功能性蛋白质，”该研究的合著者、EvolutionaryScale 的联合创始人、兼首席科学家亚历克斯.里弗斯，在一封电子邮件中告诉《生活科学》。

这项新研究建立在里弗斯和他的同事，在 2024 年启动 EvolutionaryScale 之前，在 Facebook 和 Instagram 的母公司 Meta 开始的研究之上。ESM3 是他们最新版本的生成语言模型，类似于运行 ChatGPT 的 OpenAI 的GPT-4，但它基于生物学。

蛋白质由称为氨基酸的分子链组成，其序列由基因提供，不同的蛋白质具有不同的氨基酸序列。据《大自然教育》称，它们在结构上也有所不同，每个折叠成独特的形状，使它们能够发挥其功能。为了让 ESM3 理解蛋白质，研究人员将蛋白质主要特性（氨基酸序列、结构和功能）的模型数据，以一系列字母的形式输入。

该团队利用自然界中发现的 27.8 亿种蛋白质的数据训练 ESM3。然后，研究人员随机隐藏了蛋白质蓝图的一部分，并让 ESM3 填补空白，以根据它所学到的内容完成代码。
    “就像一个人可以填入'to _ or not to _， that's the _”的空白一样，我们可以训练一个语言模型，来填补蛋白质中的空白，“里弗斯说。“我们的研究表明，通过解决这个简单的任务，有关蛋白质生物学深层结构的信息，就会出现在网络中。”

科学家们已经为各种目的修改了天然蛋白质，并设计了新的蛋白质。例如，绿色荧光蛋白在研究实验室中被广泛使用。它们的遗传密码通常被添加到其他 DNA 序列的末端，以将它们编码的蛋白质变成绿色。这使科学家能够轻松追踪蛋白质和细胞过程。里弗斯指出，ESM3 的功能可以加速蛋白质工程的广泛应用，包括帮助设计新药。
    未参与这项研究的英国巴斯大学进化生物学家蒂芙尼·泰勒，于 2024 年为《生活科学》报告了该研究的预印本版本。泰勒在她的分析中写道，像 ESM3 这样的 AI 模型，将实现进化无法实现的蛋白质工程创新。然而，她也指出，研究人员模拟 5 亿年进化的说法，只集中在单个蛋白质上，并没有考虑到最终创造生命的自然选择的许多阶段。