谷歌、OpenAI 都搞起了AI “造人”？创始团队：开源AI基因编辑器只是冰山一角

文章来源：AI前线

译者 | 王强、华卫

策划 | 华卫

图片来源：由无界AI生成

“AI 能编辑 DNA 了，还是开源版！”

OpenCRISPR-1 开源链接：

https://github.com/Profluent-AI/OpenCRISPR

今天，人工智能系统不止可以设计出创作诗歌、代码和视频的模型，还开发出了精确编辑人类 DNA 的开源工具。这不仅是 AI 的巨大进步，还预示着，将来科学家可以比现在更精确、快速地对抗各种疾病。

近日，美国一家名为 Profluent 的初创公司公开介绍了这项技术，并预计于下个月在美国基因和细胞治疗学会年会上发表相关论文。“使用人工智能技术创建基因编辑机制史无前例，”美国加州大学旧金山分校生物工程和治疗科学系教授兼系主任 James Fraser 表示。

据悉，Profluent 是在分析了大量生物数据后，通过对 CRISPR-Cas 序列进行人工智能算法建模来设计出高功能基因组编辑器，并将其命名为 OpenCRISPR-1。通过 OpenCRISPR-1，该公司的人工智能系统从大规模序列和生物学背景中学习，产生了数百万种自然界中不存在的 CRISPR 样蛋白，从而成倍扩大了几乎所有已知的 CRISPR 家族。

并且，OpenCRISPR-1 基因编辑器正在被开源。这意味着，其允许个人、学术实验室和公司免费试用该工具。很多研究人员都会把开发的人工智能底层驱动软件开源出来，让其他人可以在他们的成果基础上继续开发工作，以加速新技术的开发步伐，但像 OpenCRISPR-1 这类生物实验室和制药公司开源技术发明的情况并不常见。不过，Profluent 并没有开源该编辑器本身的技术内容。

Profluent 还透露，OpenCRISPR-1 只是冰山一角，他们的平台能够随意生成更多的基因编辑系统。然而，尽管目前 OpenCRISPR-1 还没有投入临床，但已经招致不少除应用效果以外的担忧。

完全由 LLM 驱动
将蛋白质多样性扩大 4.8 倍

在这项研究中，Profluent 展示了世界上第一个使用人工智能从头开始设计的分子的精确基因编辑。基因编辑器是复杂的系统，需要多结构域蛋白质、DNA 和 RNA 之间复杂的空间和时间相互作用。使用人工智能设计功能差异化的基因编辑器，代表了人工智能驱动生物设计蓬勃发展领域的重大飞跃。

OpenCRISPR-1 的技术是由人工智能驱动、Cas9 样蛋白和指导 RNA 组成，完全使用  Profluent 的大型语言模型（LLM）开发。该模型学习的是氨基酸和核酸序列，这些化合物定义了科学家用来编辑基因的微观生物机制。也就是说，它分析了从自然界中提取的 CRISPR 基因编辑器的行为，并学习该如何生成全新的基因编辑器。

“这些人工智能模型从序列中学习，无论这些序列是字符、单词、计算机代码还是氨基酸序列。”Profluent 首席执行官 Ali Madani 表示。

据介绍，生成蛋白质语言模型通常在跨越广泛功能的大型、多样化的天然蛋白质序列数据集上进行预训练，可以生成反映天然蛋白质特性的真实蛋白质序列。然而，对于特定的应用，如产生新的基因编辑器，就需要将模型引导到特定的目标蛋白质家族。

为此，Profluent 进行了详尽的数据挖掘，以构建迄今为止最广泛的 CRISPR 系统数据集，被称为 CRISPR-Cas 图谱。为生成新的 CRISPR-Cas 蛋白，他们又在 CRISPR-Cas 图谱上训练了一个蛋白质语言模型。

图：生成的序列极大地扩展了 CRISPR 相关蛋白质家族的多样性，以蛋白质簇的数量来衡量，图中显示了每个蛋白质家族在不同类型的 CRISPR-Cas 系统中被发现的频率。

从该模型中生成了 400 万个序列，并使用生物信息学技术来去除简并序列，确定每个生成的蛋白质属于哪个 CRISPR-Cas 家族后，他们发现，这些模型产生的蛋白质将几乎所有天然存在的 CRISPR-Cas 家族的多样性扩大了 4.8 倍，并且之后可以生成更多的序列进一步扩大这种多样性。