在Zhangjiang科学城实验室上海，科学家们目睹了生命限制的成功 - 在90摄氏度的一个封闭坦克中，酶迅速“毁灭性地”塑料。高温对塑料降解酶具有耐药性是Hong Liang教授使用AI设计更改的“新”蛋白质。当传统生物学家仍在测试具有实验室移液器并积累“完美”蛋白质的蛋白质操作时，洪兰格AI模型“ Qi Mingxing”建立了1亿个蛋白质的“功能性图”，可以准确有效地“过度”能量“蛋白质，酒精，酒精，酒精”的耐药性和酸的蛋白质能够构成蛋白质的能力。蛋白质中涉及蛋白质的组成的氨基酸通常在特定的Tideline -Tideine -Two -Two -Two -Two -two -two不同F分类会导致蛋白质显示完全不同的功能，例如稳定性，活性，连贯性等。在过去的几十年中，生物学家必须依靠实验方法来确定蛋白质的结构，蛋白质揭示了蛋白质的复杂结构，并且需要很多蛋白质结构。 2018年，Google的DeepMind团队发布了AI模型Alphafold，该团队可以准确地分析蛋白质的三维结构，这为科学研究人员提供了更好和疫苗设计的基础。 “当使用AI设计蛋白质时，我们认为设计的目的是满足某些操作需求。为什么不训练AI模型并直接设计满足操作需求的蛋白质？” Hong Liang的团队决定培训与Alphafold不同的AI模型，以挑战蛋白质操作的困难。 “我们使用AI技术来找出在蛋白质链中组织氨基酸的规则在不同自然环境下的不同生物体中。更重要的是，我们具有来自三个维度的5亿个蛋白质的功能标签：温度，pH和压力，然后“进食”此大量功能性功能性标签，以便它可以快速并将其推广到AI模型，以便它可以快速地容纳酸和碱性的含酸和无碱的生产liang Liang说。如果蛋白质被认为是模具，则整个数据集是一个超级工具箱，其中充满了90亿个模具，该模具位于世界上最广泛的蛋白质数据集中。由36.2亿个陆生微生物蛋白序列，26.4亿个微生物海洋蛋白序列，243亿个抗体蛋白序列，6000万个病毒蛋白序列等组成的蛋白质数据集，26.4亿个微生物蛋白蛋白序列，等等。同时目前避免了先前的高通量写作并改善蛋白质的蛋白质。机器人手臂在上海北海大学的Zhangjiang校园中自动化很快证实了Aiprotina的设计。这里每天生成的实验数据流回AI系统，并继续优化蛋白质模具，形成了增强的“数据模型实验”周期，该循环清楚地称为“蛋白质自主驾驶员的模式”。 Hong Liang说：“我们的目标是在简单的工程过程中创建AI设计和实验，并成为一门复杂的蛋白质科学。”迄今为止，有8个工业项目使用了“ Qi Mingxing”大型模型来设计蛋白质，成功率为70％。这一突破是重写工业规则：一家生物制药公司使用“ Qi Mingxing”在其服务寿命的两倍以上设计的过量抗碱性蛋白质，该公司每年以每年的成本为数百万美元的公司节省数百万美元的公司。谈论未来图片，洪林将其描述为这样：生物学家只需要输入计算机要求，AI可以自动生成候选人的“模具”，并且自动化平台已完成验证和优化。它不仅会从反复的实验中释放科学研究人员，而且还会产生一种新的工业形式，即“自定义合成生物学”。几天前发布了中国研究团队建立的蛋白质模型和一些数据集，并在GitHub软件托管平台上开放，用于访问全球科学机构。 Hong Liang站在合成生物产业的新轨道上时说，当AI启动了人们对生活的“逻辑设计”的介绍时，我们可能会见证一场新的工业革命 - 这一次可以准确地“编程”蛋白质，生命科学将从药品研究和环境保护和环境保护开发中迈出更大的一步。