数据要素X | VenusPod-融合AI与超大规模蛋白质数据，赋能生物制造研发范式变革

典型案例：VenusPod-融合AI与超大规模蛋白质数据，赋能生物制造研发范式变革

牵头单位：上海交通大学

1

生物制造研发领域长期存在痛点，如传统蛋白质设计依赖专家经验试错、周期长、成功率低，以及现有 AI 模型受限于数据规模（如 ESM-C 仅 2l 亿条）等。上海交通大学构建了全球最大蛋白质数据集 VenusPod ，打造 AI 蛋白质设计引擎，从“大海捞针”转变为精准设计，激活蛋白质数据要素的潜在价值，推动生物医药与合成生物学产业降本增效。

2

一是汇聚深海与盐湖极端环境高价值数据，保持数据持续更新。一方面，数据集汇聚了全球公共数据库（UniProt、NCBI 等）数据，以及 MEER 计划深海微生物、国内盐湖耐极端环境微生物宏基因组数据，涵盖 l50 亿条蛋白质序列，其中 65 亿条带有温度、pH 值、压强等关键环境标签数据。另一方面，采用“开源清洗+ 自有采集+实验反哺”方式，依托“奋斗者”号及盐湖测序采集特有数据，通过 Venus-Auto  自动化湿实验平台，将验证后的高精度数据实时回流至数据库，实现数据持续更新。

二是以模型为基础，促进实验数据精准预测。基于 Transformer架构预训练 VenusPLM 基础模型，面对不同的下游应用场景进行模型微调，融合干湿实验数据，通过清洗、降重、结构化处理，将海量序列转化为“模板挖酶”和“反应挖酶” 的精准预测能力。

三是广泛应用于生物医药场景 ，实现经济社会双重收益。模型应用于生物医药（抗体稳定性优化）、体外诊断（高灵敏酶改造）、合成生物学（耐高温/酸碱酶开发）等场景。在经济效益上，已服务30 余家企业，帮助多家合作企业缩短研发周期 50%以上，如某体外诊断原料成本降低 52%，单域抗体耐碱性提升 4 倍并实现大规模量产。在社会效益上，突破耐极端环境酶设计瓶颈，助力绿色生物制造与节能减排；构建具有战略意义的国产蛋白质“数据领海”，保障生物数据安全；加速创新药与高灵敏诊断试剂开发，提升公共健康水平。

图 1   产业化案例

四是对外提供多层次数据服务 ，创造数据价值。通过“基础库免费+高价值数据订阅+CRO 技术服务”获取收益。提供服务包括数据库订阅及 API调用服务；基于数据的AI 设计 CRO 服务；自研高性能酶产品（如耐碱 VHH抗体）的销售与授权，签约多家制药企业进行技术转化。