去年，以云销售支持软件及 Slack 闻名的 Salesforce 主导了名为 ProGen 的项目，旨在利用生成式 AI 设计蛋白质。研究人员在 2023 年 1 月的博客中称，作为一项“登月计划”，ProGen 若推向市场，将比传统方法更经济高效地助力医疗疗法发现。
ProGen 成果最终发表于《自然·生物技术》（Nature Biotech），证实该 AI 能成功构建人工蛋白质的三维结构。然而除论文外，该项目在商业层面并未产生显著影响，直至近期才迎来转机。
从实验室到制药：逆转药物开发范式
ProGen 核心研究员 Ali Madani 创立了 Profluent，致力于将类似技术从实验室带入制药领域。Madani 在接受 TechCrunch 采访时将其使命描述为“逆转药物开发范式”，即从患者和治疗需求出发，反向创建“量身定制”的疗法。
“许多药物如酶和抗体均由蛋白质构成，因此最终受益者将是接受 AI 设计蛋白质作为药物的患者。”Madani 表示。
在 Salesforce 任职期间，Madani 被自然语言与蛋白质“语言”间的相似性吸引。他发现由氨基酸键合而成、执行激素制造及组织修复等功能的蛋白质链，可像段落单词一样被处理。将这些数据输入生成式 AI 模型，即可预测具有全新功能的新型蛋白质。
通过与联合创始人、华盛顿大学微生物学助理教授 Alexander Meeske 合作，Profluent 进一步将该概念应用于基因编辑领域。
Madani 指出：“许多遗传疾病无法通过直接提取的天然蛋白质或酶治愈。此外，为获新功能而混合搭配的基因编辑系统存在功能权衡，限制了应用范围。相比之下，Profluent 可同时优化多个属性，打造完美契合每位患者需求的定制化基因编辑器。”
行业竞争与技术突破
生成式 AI 预测蛋白质并非凭空设想。Nvidia 于 2022 年发布 MegaMolBART 模型，基于数百万分子数据集寻找潜在药物靶点并预测化学反应；Meta 训练的 ESM-2 模型据称能在两周内预测超 6 亿种蛋白质序列；Google DeepMind 的 AlphaFold 系统在预测完整蛋白质结构的速度与准确性上，也远超旧有算法。
Profluent 正利用包含超 400 亿个蛋白质序列的海量数据集训练 AI 模型，以创建新系统及微调现有基因编辑和蛋白质生产系统。公司计划不自行开发疗法，而是与外部伙伴协作推出最具获批前景的“基因药物”。
Madani 断言，此举可大幅缩短药物开发时间与资金成本。据 PhRMA 数据，新药从初步发现到获批平均需 10 至 15 年，且研发成本高达数亿至 28 亿美元。
“许多重大药物实为偶然发现而非有意设计。Profluent 的能力让人类有机会从偶然发现转向对最急需生物学解决方案的有意设计。”Madani 说。
资本背书与未来展望
总部位于伯克利、拥有 20 名员工的 Profluent 获 Spark Capital（领投最近一轮 3500 万美元融资）、Insight Partners、Air Street Capital、AIX Ventures 及 Convergent Ventures 等知名风投资助，谷歌首席科学家 Jeff Dean 的参与更为平台增添了可信度。
Madani 表示，未来数月重点将是升级 AI 模型、扩大训练数据集并拓展客户与合作伙伴。面对 EvolutionaryScale 和 Basecamp Research 等快速训练模型并筹集巨资的竞争对手，Profluent 必须积极行动。
“我们已开发初始平台并在基因编辑方面取得科学突破，现在是时候扩大规模，与对未来抱有雄心的合作伙伴共同推动解决方案落地。”Madani 总结道。