李彥宏旗下，又一個“機器人”曝光了_風聞

　　楊淨 發自 凹非寺

　　量子位 | 公眾號 QbitAI

　　悄無聲息悄無聲息，李彥宏旗下又一個“機器人”曝光：

　　ImmuBot。

　　而且術業有專攻——從事當前最熱門的計算生物領域。更細分一點，則是針對免疫系統治療的蛋白質藥物設計相關。

　　所在的團隊，正是李彥宏剛創立兩年的創新藥物研發平台百圖生科。

　　兩年時間秘密打造，這個專業的免疫“機器人”究竟有什麼看頭？

　　ImmuBot免疫機器人

　　ImmuBot免疫機器人，簡單來説就是一種能夠重編程免疫系統的蛋白質藥物。

　　以往的認知中，免疫系統，作為人類抵禦疾病的自然防線，一旦功能障礙，就可能造成各類腫瘤、自身免疫性疾病、 感染性疾病等病症發生。

　　與此同時，它又十分複雜。在發佈會現場，百圖生科CEO劉維曾這樣算了算它的複雜度。

　　每個免疫細胞至少有兩萬種蛋白來決定它的功能，而這些蛋白每個可能有上百種不同的亞型，對這些蛋白的調控，根據它的結合表位、結合方式、調控親和力不同也有不同的結果。

　　最後，更不論分佈在不同組織器官環境下不同特徵、種類多達數十類的免疫細胞族羣，以此形成萬億關係級別的功能調控網絡，加之人與人之間也有不同的區別，可見其複雜性。

　　但當前的免疫調控藥物，只針對系統內的通用人羣、單一或少數靶點進行調控，這種情況就會造成藥物安全性以及效用性的挑戰。

　　而機器人的設計，隨着識別、感知、決策等能力的加強，不再僅限於簡單機械地加工，更能駕馭複雜系統。

　　ImmuBot，正是基於這種背景下誕生的。它用生物計算引擎來設計全新蛋白質，來實現複雜的藥物機理MOA，從而對失效的免疫系統進行“重編程”。

　　從結構上來看，主要包含了五個部分：

　　Seeker，高特異性彈頭，定位要調控的細胞。ImmuBot為每個靶點配備了恰當親和力、精準定表位和功能激發的高性能彈頭。

　　除此之外， 研究人員還做了靶點組合挖掘和多彈頭橋接藥物設計，可以實現對多個組織特異性靶點、免疫功能靶點的組合靶向。

　　Sensor，對環境做出響應的傳感器組合。以針對腫瘤微環境為例，pH值酸鹼度與正常組織不同， 傳感器就對會pH值做出相應，給控制器Controller提供信號。

　　這也是ImmuBot之所以被稱為機器人的核心原因。

　　接收到信號後，Controller就對彈頭進行調控激發：

　　如果環境A成立，就釋放A彈頭；如果環境B成立，就釋放B彈頭。

　　未來還會出現更多的調控因素，如果A的數字大於B，就釋放A彈頭；如果A小於C，就可能釋放B彈頭。這種AND、OR、IF等條件觸發機制就類似於我們日常編程邏輯電路了。

　　除此之外，還有調節器Modulator和納米顆粒級別的底座Carrier。

　　值得一提的是，整個免疫機器人可組裝，每個構件均可預製和複用。據介紹，這樣不僅可以確保單體藥物的最佳性能，還帶來整體藥物研發10到100倍的效率提升。

　　最後，簡單總結ImmuBot的功能特點，大體總結為四點：彈頭高性能、組合多靶向、編程式控制、構件式組裝。

　　生物預訓練大模型

　　據量子位智庫《計算生物學深度產業報告》顯示，當前，計算生物行業主要有以下幾種商業模式：算法授權、生物資產以及軟件使用。

　　生物資產，就是目前百圖生科ImmuBot研發的未來模式。

　　據介紹，他們正在構建一個大型的創新藥物資產組合，包括10餘類自主八點挖掘項目、30餘個構件研發項目、10餘個自主和合作藥物研發項目。

　　這個大規模資產組合覆蓋了大批腫瘤和自身疾病，尤其是胃癌、肝癌等國內臨牀需求強烈的病種，也覆蓋了近十種主要的免疫細胞，為每類免疫細胞準備了創新的靶頭。

　　此外，他們還計劃自主或與合作伙伴聯合，推出更多的藥物管線。預計明年將實現首批ImmuBot項目進入臨牀。

　　而這背後一整個驅動力，基於AI大模型的高通量乾濕閉環生物計算引擎。

　　底層“大科學裝置”，包括萬億關係的多組學免疫圖譜、千億參數的蛋白質/免疫計算大模型、億級數據生產量的高通量免疫模擬實驗系統等技術。

　　據百圖生科首席AI科學家宋樂介紹，其中千億參數大規模預訓練模型，作為重要的連接，不用於現有認知的語言模型，它主要包括四層嵌套的模型體系：

　　蛋白質結構——>蛋白質之間及與其他分子的相互作用——>細胞層面的建模——>免疫系統與環境之間的相互作用。

　　下層預測或產生的一些表徵，可以被上層的模型拿去利用，以此來增強上層模型的預測能力。

　　基於這種嵌套式大模型，輔助和優化藥物設計，設計出各種各樣的ImmuBot。

　　而這種執行思路，目前也正在實際地測試當中，即與ImmuBot一同官宣的北京中心實驗室。

　　他們內部稱其為超級大規模免疫模擬系統。

　　截至目前，百圖生科共有兩處研發中心，另一個則是位於蘇州工業園區，近300名生物+計算團隊，其中包括機器學習和圖深度學習大牛、今年ICML大會主席宋樂。

　　不過必須要説的是，計算生物與AI製藥的探索才剛剛開始。

　　一邊是剛剛興起的計算生物領域，另一邊則是投融資矚目、但質疑聲不斷的AI製藥賽道。

　　前者首要落地的場景，非AI製藥莫屬，但兩者之間究竟該如何結合？計算生物的進展，到底會對蛋白質類藥物設計會帶來什麼樣的影響？

　　這一切還沒有答案，但像百圖生科這樣的玩家們已經在路上了。