剛剛！OpenAI訓練GPT-4b攻克諾獎級“細胞再生”難題：效率狂飆50倍，連DNA損傷都能修復

OpenAI 聯手長壽生物科技公司 Retro Biosciences 研發了一個專門用于蛋白質工程的模型------GPT?4b micro，用來設計全新的蛋白質，結果直接讓一項諾獎級的細胞再生技術效率飆升了整整 50倍

簡單來說，就是把人體內的普通細胞，比如皮膚細胞，變回功能強大的萬能干細胞，這個過程被稱為細胞重編程

而現在，AI 不僅讓這個過程變得前所未有的高效，設計出的新蛋白質甚至還附帶了更強的 DNA 損傷修復 功能，堪稱物理意義上的返老還童，更重要的是，這些結果在多個供體、細胞類型和不同遞送方式中都得到了驗證

一個諾獎級的超級難題

故事還要從山中伸彌的諾貝爾獎說起。

他發現，只要用四種特殊的蛋白質，也就是山中因子，就能像施展魔法一樣，把一個已經分化成熟的成年細胞，逆轉回 pluripotent（多能性） 狀態，也就是啥都能變的誘導多能干細胞 iPSC。

這項技術的前景無比廣闊，治療失明、逆轉糖尿病、甚至培養新器官，iPS細胞幾乎可以無限增殖，能用來培養包括神經、肌肉、骨骼等人類所有的器官和皮膚等的細胞，為再生醫療開辟了全新道路

但這個成功率低得令人發指，通常不到 0.1%，而且過程極其漫長，動輒三四周。對于來自老年人或病人的細胞，成功率更是慘不忍睹

幾十年來，全世界的科學家都在想辦法優化這個過程，但進展緩慢。

OpenAI 的研究人員沒有走傳統的老路，而是直接訓練了一個全新的模型：GPT-4b micro

你可以把它理解成一個生物學博士版本的 GPT-4，它的訓練數據不僅有海量的生物學文獻，更核心的是無數的蛋白質序列和三維結構數據

它學會了蛋白質世界的語言

更關鍵的是，這個模型特別擅長處理那些沒有固定形狀、非常靈活的蛋白質，比如這次的主角山中因子。

科學家們要做的，就是給 GPT-4b micro 下達指令：

給我設計一些新的 SOX2 和 KLF4 蛋白質，目標是最大化細胞重編程的效率。

在傳統的篩選方法中，科學家手動修改蛋白質，命中率通常低于 10%

而 GPT-4b micro 設計的第一批蛋白質 RetroSOX，命中率直接超過 30%。要知道，AI 設計的蛋白質序列和原始版本平均有超過 100 個氨基酸的差異，這完全是重新創作，而不是小修小補

接下來挑戰更難的 KLF4 蛋白。這次，AI 設計的 RetroKLF 命中率更是飆升到接近 50%。

當研究人員把 AI 設計的最優蛋白質組合在一起使用時，奇跡發生了

僅僅 10 天，實驗皿中就出現了大量表達成熟干細胞標記物的細胞集落。而在同樣的時間點，使用傳統方法的對照組里，幾乎什么都看不到

如果說效率提升是意料之中，那接下來的發現就是意外之喜了。

團隊發現，經過 AI 設計的蛋白質組合處理過的細胞，其 DNA 損傷水平顯著降低

DNA 損傷，是衡量細胞衰老的核心指標之一。這意味著，AI 設計的這套方案，不僅能讓細胞的身份重置，還能在重置過程中，順手修復掉許多歲月留下的痕跡。

這為未來開發更高效、更安全的細胞療法和抗衰老技術，打開了全新的想象空間。

正如 OpenAI 研究合作負責人 Boris Power 所說：

當研究人員將深厚的領域洞察力帶給我們的語言模型工具時，那些曾經需要耗費數年時間的問題，現在可能在幾天內就能發生轉變。

AI 加生命科學的奇點，或許比我們想象的來得更快

參考：

https://openai.com/index/accelerating-life-sciences-research-with-retro-biosciences/