打脸Meta还获得英伟达加持？被解散的原Meta AI蛋白质团队最新融资1.42亿美元

“行业观察者”是我们针对人工智能、XR、元宇宙和Web3等前沿科技而设立的专栏，主要分享这些领域中的新兴企业或者创业者们的故事。生物学前沿人工智能研究实验室EvolutionaryScale近日宣布获得超1.42亿美元种子轮融资，同时发布里程碑式AI模型ESM3。这家成立仅一年的公司在AI生命科学领域有着怎样独特的理念？全新的蛋白质大模型又有着怎样的技术突破？以下是我们的第17期内容，以下Enjoy。

一周前，在Meta如火如荼地卷文生视频赛道的时候，那个被它解散的蛋白质团队EvolutionaryScale获得了超1.42亿美元的种子轮融资，这个融资额在整个生物技术领域都可以说是高得离谱。

去年八月，Meta官宣旗下的蛋白质折叠团队Meta-FAIR解散。这个纯粹的“科学+AI”项目并不能让Meta快速获得收益，Meta专注商业化AI的决定看似也是情理之中。

然而，这个不被看好的团队竟用仅仅一年的时间就打了Meta的脸。他们最新推出的ESM3被认为是生物学领域具有里程碑意义的生成式AI模型，为生物学编程开创了新的可能性。

01.1分钟项目速览

1.项目名称：EvolutionaryScale

2.成立时间：2023年7月

3.产品简介：

开发用于创造新型蛋白质和其他生物系统的大型语言模型——ESM，目前已迭代到ESM-3。4.创始人团队：

首席科学家：Alexander Rives （纽约大学计算机科学博士、前Facebook AI科学家）

Tom Sercu

Sal Candido

5.融资情况：

2024年6月25日完成了高达1.42亿美元的种子轮融资。本次融资由Nat Friedman和Daniel Gross以及Lux Capital领投，亚马逊、NVentures（英伟达的风险投资部门）和天使投资人参投。

02.团队协同一致的理念追求

人工智能的进步为生物科学研究创造了前所未有的机会，包括设计功能性生物分子，尤其是蛋白质。将人工智能运用于蛋白质设计，不仅可以提升蛋白质设计的效率及成功率，还通过快速应对传染病爆发等方式，来帮助人类解决一些正在面临的挑战。

Alexander Rives等人正是看到了蛋白质设计方面的缺口，决定开发基于深度学习的大模型，从而推动产业级蛋白质设计进入“全自动智能生成时代”。

于是，EvolutionaryScale应运而生。它是一家专注于生物科学领域的前沿AI研究实验室，致力于推出生物学前沿的语言大模型。

有意思的是，该公司创始团队的八位成员全都来自于Meta的FAIR（基础人工智能研究）部门。尽管在世界级的社交媒介巨头那里吃了瘪，但初始团队的核心人员都没有放弃，反而快速地投入新战地，开始在原有团队成果的基础上开发下一代模型。

EvolutionaryScale的大模型支持健康、环境科学等领域的研究与开发，不停探索生物学的扩展性，为突破性的科学研究提供动力。其中最显著的成果就是蛋白质折叠技术的突破，ESM模型揭示了数亿个宏基因组蛋白质的结构，帮助世界各地的科学家来模拟和理解蛋白质。

EvolutionaryScale旨在通过开放、安全的研究方式，来指导蛋白质设计领域的人工智能技术开发。

在此基础上，该公司作为签署方，引领了超160位来自学术界、政府以及民间的全球利益相关者，共同发展这项技术，确保其安全可靠，从而达成造福人类健康和社会的愿景。

正是由于怀着引领生物学界先进AI技术的责任感，Alexander Rives和他的团队从未停止脚步。

此前，EvolutionaryScale曾发布过大型语言模型ESM1，这被认为是第一个用于蛋白质的transformer语言模型，由EvolutionaryScale的创始团队在Meta的FAIR部门工作期间所构建。作为ESM1升级模型的ESM2拥有1500万个参数，并且相较于旧模型ESM1b（拥有6.5亿个参数）表现更佳。

上周，EvolutionaryScale发布了最新的ESM3 AI模型，这是朝着生物学的未来所迈进的一大步。凭借这种模型的能力，有可能会加速广泛应用的发现，有利于创造有助于捕获碳的蛋白质，从而开发出新的癌症治疗方法。

03.AI在生物学应用的先驱

ESM3是一个生成式的AI模型，主要功能是生成新型蛋白质。该模型通过深度学习技术，使用大量的蛋白质数据进行训练，从而学习蛋白质的序列、结构和功能之间的关系。

ESM3的训练使用了超过1万亿teraflops的计算能力，这是目前已知生物学领域中最大的计算规模。它在地球上自然多样性的27.8亿种蛋白质数据集上进行了训练，使其能够同时对蛋白质的序列、结构和功能进行推理。

ESM3的主要工作流程可简略为以下四个步骤：

数据收集与处理：EvolutionaryScale首先会从各种来源收集大量的生物学数据，包括基因序列、蛋白质结构、功能注释等。这些数据会经过清洗、标准化和格式化处理，以便于后续的分析和应用。

模型训练：使用深度学习算法和大量的计算资源，EvolutionaryScale会对处理后的数据进行训练，构建出能够理解和预测生物学规律的大型语言模型。这些模型不仅具有高度的准确性，还能够处理复杂的生物学问题。

生成新蛋白质：通过交互式提示，ESM3能够生成新的蛋白质，这些蛋白质可能在自然界中需要数亿年才能进化出来。

科学验证：生成的新型蛋白质将通过科学实验进行验证，以确定其功能和潜在应用。

目前，ESM3最引人注目的使用案例之一是生成了一种新的绿色荧光蛋白（GFP）。

GFP是自然界中最美丽和独特的蛋白质之一，负责水母的发光和珊瑚的鲜艳荧光色。ESM3通过一系列思考过程，跨越了5亿年的进化，创造了这种新的荧光蛋白。这一过程在自然进化中可能需要超过5亿年，而ESM3通过计算方法实现了这一飞跃。

ESM3的发布也为药物发现和合成生物学领域带来了革命性的变化。

在药物发现方面，ESM3能够生成具有特定生物活性的新型蛋白质，为药物筛选和优化提供了更多的候选分子。同时，ESM3还能够预测和优化药物与靶点的相互作用机制，为药物的设计和开发提供更加科学的依据。

在合成生物学方面，ESM3能够生成具有特定功能的生物系统，为生物制造和生物能源等领域提供了新的解决方案。例如，ESM3可以生成出将二氧化碳高效转化为有机物的酶系统，为碳捕获和利用提供了新的途径。

EvolutionaryScale的ESM3模型代表了AI在生物学领域的新里程碑。通过其强大的生成能力和与行业领导者的合作，ESM3有望加速新型蛋白质的发现和生物系统的设计，为未来的药物开发、材料科学和环境科学等领域带来革命性的影响。

04.生物学领域创新之旅

合成生物学：编程生命

合成生物学是EvolutionaryScale未来发展的一个重要方向。通过设计和合成新的基因电路和生物路径等方式，科学家们可以创建具有特定功能的生物体。

基因电路类似于电子电路，但它们在细胞中控制生物学过程。

基因电路能够在细胞内实现对特定基因表达的精确控制。例如，可以设计一个基因电路，使其在细胞检测到特定信号（如某种化学物质或环境变化）时启动或关闭特定基因的表达。

合成生物路径涉及多种酶和代谢途径的组合，用于生产有价值的化合物。

通过AI分析和设计，科学家可以创建新的代谢途径，使生物体能够合成天然条件下无法产生的化合物。例如，通过重新设计微生物的代谢路径，微生物可以生产出医药中间体、生物燃料或工业化学品。

细胞工厂是通过基因工程手段改造微生物，使其在工业条件下高效生产目标产品的生物系统。

通过AI辅助设计，科学家可以改造微生物的基因组，使其在特定条件下表现出优异的生产性能。例如，通过编辑酵母或细菌的基因，科学家可以使这些微生物高效生产抗生素、酶或其他生物制品。

若此项技术能继续发展，不仅将推动科学研究的前沿发展，还能为医药、环境保护和农业等领域带来重要的应用前景。

数据驱动的个性化医疗

EvolutionaryScale正通过AI和大数据分析技术推动个性化医疗的进步，为患者提供更加精准和高效的医疗服务。

个性化医疗是基于每个患者的独特生物学信息和临床数据，量身定制最合适的治疗方案。其中一个关键领域是基因组分析。通过对患者的基因组进行全面测序和分析，科学家可以识别出与疾病相关的基因变异。

EvolutionaryScale利用AI技术，快速准确地解析大量基因组数据，从中发现潜在的疾病风险因素。

这种方法可以帮助医生在疾病的早期阶段做出诊断，并采取预防措施。例如，通过分析乳腺癌患者的BRCA1和BRCA2基因突变，可以预测其患病风险，从而进行早期筛查和干预。

如今，EvolutionaryScale正站在生物学与人工智能融合的前沿，通过不断创新和探索，致力于实现生物系统的编程和优化。后续或将实现更多技术性的突破，为人类开创一个更加智能和健康的未来。

参考链接：

1.https://www.evolutionaryscale.ai/

2.https://www.forbes.com/sites/kenrickcai/2023/08/25/evolutionaryscale-ai-biotech-startup-meta-researchers-funding/

3.https://www.businesswire.com/news/home/20240625717839/en/EvolutionaryScale-Launches-with-ESM3-A-Milestone-AI-Model-for-Biology

【声明】：未经允许严禁转载，如需转载请联系我们，文章版权和最终解释权归元宇宙之心所有。