蛋白质是执行关键细胞功能的天然分子，也是疾病研究的基石。表征蛋白质可揭示疾病机制及潜在逆转方法，而创造新蛋白质则能催生全新药物与疗法。
然而，传统实验室设计蛋白质成本高昂，需耗费大量计算与人力资源。研究人员通常需先构想能在体内执行特定任务的结构，再寻找可能“折叠”成该结构的氨基酸序列（正确折叠是发挥功能的前提）。
这一过程正迎来简化契机。
EvoDiff：无需结构信息的通用蛋白质生成框架
本周，微软推出通用框架EvoDiff。据称，该框架可根据给定序列生成“高保真度”、“多样化”的蛋白质。与其他同类工具不同，EvoDiff无需目标蛋白质的结构信息，省去了最耗时的步骤。
微软高级研究员Kevin Yang表示，EvoDiff已开源，可用于创建新疗法、药物递送酶及工业化学反应新酶。
“我们设想EvoDiff将扩展蛋白质工程能力，超越‘结构-功能’范式，走向可编程、序列优先的设计。”Yang在接受TechCrunch邮件采访时表示，“通过EvoDiff，我们证明实际上可能不需要结构信息，‘蛋白质序列就足够了’，即可控地设计新蛋白质。”
核心技术：6.4亿参数扩散模型
EvoDiff核心是一个拥有6.4亿参数的模型，使用跨物种、全功能类别的蛋白质数据训练而成。“参数”定义了AI模型在特定问题上的能力，此处即生成蛋白质。
训练数据来源于：
- OpenFold数据集：用于序列比对；
- UniRef50：UniProt数据库子集，由UniProt联盟维护，包含蛋白质序列和功能信息。
EvoDiff采用扩散模型架构，与Stable Diffusion、DALL-E 2等图像生成模型类似。它学习从近乎纯噪声的起始状态中逐步去噪，使其缓慢逼近目标蛋白质序列。
目前，扩散模型正广泛应用于图像之外领域，涵盖新型蛋白质设计、音乐创作乃至语音合成。
“若只提炼一件事，那就是：我们能够且应该基于序列进行蛋白质生成，以实现通用性、规模和模块化。”共同贡献者、微软高级研究员Ava Amini表示，“我们的扩散框架不仅实现了这一点，还能控制设计过程以满足特定功能目标。”
填补设计空白与无序蛋白质合成
正如Amini所言，EvoDiff不仅能创建新蛋白质，还能填补现有设计“空白”。例如，给定一个结合片段，模型可围绕其生成满足特定标准的氨基酸序列。
由于在“序列空间”而非结构中进行设计，EvoDiff还可合成“无序蛋白质”。这类蛋白质不会折叠成固定三维结构，但在生物学和疾病中至关重要，如调节其他蛋白质的活性。
局限性与未来展望
需注意，EvoDiff相关研究尚未经过同行评审。微软数据科学家Sarah Alamdari承认，商业化前仍有大量扩展工作待完成。
“目前仅为6.4亿参数模型，若扩展至数十亿参数，生成质量或有望提升。”Alamdari表示，“虽已展示粗粒度策略，但为实现更精细控制，我们希望将EvoDiff与文本、化学信息或其他功能指定方式相结合。”
下一步，团队计划在实验室测试模型生成的蛋白质以验证可行性。若结果理想，将着手开发下一代框架版本。