Evozyne和Nvidia合作開發蛋白質生成性AI模型，大幅加速藥物開發

專門研究蛋白質的生技公司Evozyne和Nvidia合作，開發生成性人工智慧模型來設計高品質蛋白質，不只加快藥物設計，同時還能將其用於環境永續目的。Nvidia在J.P. Morgan健康保健會議上發表了這項新技術，講述研究人員使用預訓練模型，創造醫療用途蛋白質的方法。

Evozyne使用Nvidia預訓練人工智慧模型ProtT為基礎，開發出新的深度學習模型，ProtT為Nvidia BioNeMo藥物研發雲端服務中的Transformer模型，Evozyne將ProtT當作模型的核心，結合變分自動編碼器（Variational Autoencoder），創建出稱為ProT-VAE的蛋白質開發模型。研究人員提到，他們使用BioNeMo低成本地執行模型，能夠在幾秒鐘內產生數百萬個氨基酸序列。

ProT-VAE讀取數百萬種蛋白質氨基酸序列，使用和神經網路理解文字相同的技術，了解組裝這些蛋白質的方法，學習蛋白質功能的規則，並使用這些規則來設計具進階功能的新蛋白質。Evozyne聯合創辦人提到，這個方法能夠創建比目前自然界所發現，功能更好的蛋白質，並且針對難以治癒的疾病壓縮藥物研發時間。

傳統的蛋白質工程使用定向演化（Directed Evolution）的方法，模仿自然界選擇的過程，將蛋白質或是核酸導向使用者定義的目標，這過程既複雜又耗時，需要對基因進行數輪迭代誘變，分離出需要的成員，並且替下一輪迭代生成模板，這項工作會在生物體內或是體外進行，而通常一次只能改變數個氨基酸序列

而ProT-VAE運用機器學習方法，產生可用於新療法、能源、材料等合成功能性蛋白質，在這項研究的初期，Evozyne鎖定PAH基因殘缺所造成的疾病，由於PAH基因能夠指示身體製造苯丙氨酸羥化酶（Phenylalanine Hydroxylase），當該基因有缺陷時便會導致遺傳性疾病苯丙酮尿症。

研究人員運用ProT-VAE合成出苯丙氨酸羥化酶變體，在實驗室測試證明，其中幾種苯丙氨酸羥化酶變體的效能，比天然產生的酶效率還高達到2.5倍，這些蛋白質有望成為潛在基因療法，替代患者身體缺失的消化酶。