英偉達殺瘋了！

“AI界春晚”英偉達GTC大會同一天，英偉達發(fā)布了一款生物學模型CodonFM。

作為當前最先進的RNA基礎(chǔ)模型，不僅填補了基因“同義突變”的空白，還可用于mRNA醫(yī)療研發(fā)、基因療法和個性化醫(yī)學。

英偉達稱，人類已經(jīng)邁向可編程生物學。

目前CodonFM已開源發(fā)布，供研究和商業(yè)用途免費使用，以促進開放合作和創(chuàng)新。

一個轉(zhuǎn)錄組尺度的基礎(chǔ)模型是AI和分子生物學之間的橋梁，意味著我們將邁向精確的、數(shù)據(jù)驅(qū)動的編輯和治療設(shè)計。

不止如此，英偉達還宣布了一項宏偉的計劃：英偉達虛擬細胞（ NVIDIA Virtual Cell ），并和陳-扎克伯格倡議（CZI）達成深度合作。

CodonFM將成為其中的基礎(chǔ)模型，最終有望改變整個AI生物學的格局。

最新RNA基礎(chǔ)大模型

眾所周知，DNA和RNA都是重要的遺傳物質(zhì)。

密碼子（codon），即信使RNA鏈上決定一個氨基酸的相鄰的三個堿基，用來指示合成蛋白質(zhì)時應(yīng)該加入哪一種氨基酸，最終合成承擔一切生命活動的蛋白質(zhì)。

長期以來，密碼子的選擇對基因表達具有重要影響。

例如，在大腸桿菌中表達人類蛋白質(zhì)并進行純化時，通常需要調(diào)整編碼序列，使其與細菌的密碼子偏好相匹配，從而實現(xiàn)高效翻譯。

圖：氨基酸密碼子表

然而，密碼子優(yōu)化的意義遠不止于此。

盡管人類基因組整體上呈現(xiàn)特定的密碼子使用偏好，但不同基因或蛋白質(zhì)之間存在顯著差異，而這些差異往往與蛋白質(zhì)功能及組織特異性表達相關(guān)。

更重要的是，近年來由密碼子改變引發(fā)的“同義突變”，被認為是疾病的隱形推手。

于是，英偉達聯(lián)合Arc研究所合作開發(fā)了CodonFM，旨在揭示密碼子選擇背后的復雜語法。

該研究團隊在來自超過20000個物種的超過1.3億個蛋白質(zhì)編碼序列上訓練了兩種互補的模型架構(gòu)，處理了數(shù)千億個標記。

CodonFM包含兩個互補的模型架構(gòu)——Encodon和Decodon。

Encodon是一個雙向編碼器模型，采用BERT架構(gòu)，能夠一次性處理整個序列，捕捉基因內(nèi)上游和下游的依賴關(guān)系，擅長預(yù)測突變的功能效應(yīng)等需要理解整個序列上下文的任務(wù)。

Decodon則是一個自回歸解碼器模型，采用GPT架構(gòu)，根據(jù)前面的序列預(yù)測下一個密碼子，主要用于生成新的序列，如為治療優(yōu)化密碼子使用。

Encodon已經(jīng)發(fā)布，Decodon則預(yù)計于今年晚些時候發(fā)布。

這兩個模型在來自超過20000個物種的超過1.3億個蛋白質(zhì)編碼序列上進行訓練，處理了數(shù)千億個標記。隨著模型參數(shù)規(guī)模的增大，從最初的7000萬到9000萬參數(shù)，到后來的6億、10億參數(shù)。

最終，模型在區(qū)分同義密碼子等任務(wù)上的性能顯著提升，且在多個基準測試中超越了現(xiàn)有方法，實現(xiàn)了多倍的性能提升。

CodonFM還符合Scaling Law（縮放定律）。隨著模型和數(shù)據(jù)集大小的增加，模型在同義和錯義變體分類、mRNA 翻譯效率和蛋白質(zhì)豐度預(yù)測等用例中的準確性都會提高。

在生物任務(wù)測試中領(lǐng)先

因此，CodonFM 不僅適用于多種分子生物學和臨床研究場景，還能在零樣本（zero-shot）任務(wù)中展現(xiàn)廣泛的適用性。

突變效應(yīng)大小預(yù)測

由于CodonFM能夠編碼序列本身進行建模，捕獲密碼子上下文、冗余和調(diào)控模式，而無需明確依賴蛋白質(zhì)結(jié)構(gòu)。

因此，模型能夠在檢測致病性錯義突變方面實現(xiàn)強大的性能。

圖：破譯發(fā)育障礙（DDD） 病例與對照組中從頭錯義變異的分類

更重要的是，CodonFM 將這種能力擴展到解釋同義變體的更困難的問題。同義突變使蛋白質(zhì)序列保持不變，并且歷史上一直沒有預(yù)測模型。

Encodon 能夠精準檢測密碼子使用偏好與翻譯水平效應(yīng)的細微差異，并成功區(qū)分了ClinVar 數(shù)據(jù)庫中致病性與良性的同義變異，展現(xiàn)了其在解析沉默突變（同義突變）方面的獨特優(yōu)勢。

盡管理論上 DNA 模型可以學習這種語法，但實際上只有密碼子級模型才能捕獲不同位置不同同義密碼子選擇的值。

圖：ClinVar致病與良性數(shù)據(jù)集中同義變異的分類

mRNA療法設(shè)計

近年來，mRNA療法作為一種新興的療法迅速崛起，例如輝瑞的新冠疫苗就是mRNA生物制劑，巔峰時期年銷售額達360億美元。

然而，mRNA療法面臨一個關(guān)鍵難題：如何優(yōu)化核酸序列。

即便是微小的肽段或蛋白質(zhì)，也可能存在海量同義mRNA編碼可能——每一種序列變體都會對表達效率、穩(wěn)定性及免疫原性產(chǎn)生差異化影響。

而使用CodonFM優(yōu)化密碼子，可以在不改變蛋白質(zhì)序列的情況下，提高蛋白質(zhì)的表達和穩(wěn)定性，從而增強mRNA疫苗和治療的效果。

例如，優(yōu)化后的mRNA在細胞中的停留時間更長，翻譯效率更高，使得蛋白質(zhì)產(chǎn)物的存在時間更長，進而提升疫苗的性能。

圖：密碼子級翻譯效率建模

老黃，盯上生命科學了

總結(jié)而言，CodonFM已經(jīng)成功學習了RNA密碼子的規(guī)則，并將其中的遺傳信息轉(zhuǎn)變?yōu)橐环N可編程語言。

英偉達稱，如今人類已經(jīng)邁向可編程生物學。

而CodonFM僅僅是英偉達一系列生物學模型的第一步，它還有個宏偉的計劃——打造虛擬細胞（AIVC）。

模型發(fā)布同一天，陳—扎克伯格倡議（CZI）宣布和英偉達擴大合作伙伴關(guān)系，旨在通過推進虛擬細胞模型徹底改變生命科學，這是一項旨在重新定義生物研究界限的開創(chuàng)性舉措。

合作的核心是是將生物數(shù)據(jù)處理擴展到 PB 級數(shù)據(jù)，涵蓋數(shù)十億個細胞觀察，從而實現(xiàn)下一代虛擬模型開發(fā)，從而解鎖有關(guān)人類生物學的新見解。

虛擬細胞（AIVC），已成為AI生物學的下一個圣杯。

簡單來說，AI 虛擬細胞?是利用人工智能技術(shù)結(jié)合多模態(tài)組學數(shù)據(jù)，構(gòu)建的數(shù)字細胞，它能模擬、預(yù)測細胞行為和反映。

虛擬細胞的價值不僅在于技術(shù)突破，更在于其可能重構(gòu)生物醫(yī)學研究范式。

當前，大多數(shù)生命活動都是在細胞層面進行的，如果AI能精準模擬分子、細胞和組織的作用，則具有巨大的應(yīng)用前景。包括靶點發(fā)現(xiàn)、患者分層、藥物篩選等。

已經(jīng)有多家頂尖學術(shù)團體，以及公司正在押注這個極為有前景的領(lǐng)域。

圖：虛擬細胞重要數(shù)據(jù)集與模型

毫無疑問，市值已經(jīng)快站上5億美元的英偉達，將給該領(lǐng)域帶來極大的推動力。

英偉達有頂級的計算能力、成熟的AI技術(shù)和開放的平臺生態(tài)，正在將這一前景廣闊但挑戰(zhàn)巨大的研究領(lǐng)域，推向一個發(fā)展更快、開放度更高的新階段。