點★標 不迷路

科技成果轉移轉化就看炬轉化！

提到蛋白質，人們往往會聯(lián)想到雞蛋、牛奶等日常食物。但在科學家眼中，蛋白質不僅是營養(yǎng)來源，更是解決環(huán)保、醫(yī)療、工業(yè)等難題的“生物工具”。然而，傳統(tǒng)蛋白質設周期長、成本高、成功率低，成為制約生物技術產(chǎn)業(yè)化的瓶頸。如何破解這一難題？

《科技翻譯官》第9期，專訪之江實驗室高級研究專家、杭州努咖智能科技有限公司創(chuàng)始人兼CEO唐進，揭秘努咖智能自主研發(fā)的LUCA-AI平臺，正通過人工智能重構蛋白質設計范式，為生物制造產(chǎn)業(yè)裝上 “數(shù)字引擎”。

“蛋白質的序列就像自然語言的字母組合，結構則像一張三維‘照片’，而AI正是破解這種‘生物密碼’的最佳工具。”努咖智能創(chuàng)始人兼CEO唐進向記者介紹。這位擁有計算機背景的科學家，帶領團隊將人工智能與大語言模型技術遷移至生物領域，開發(fā)出先進的高價值蛋白質挖掘設計平臺。

LUCA-AI的核心原理，是通過分析地球數(shù)十億年進化中積累的近百億條蛋白質序列，訓練出能預測蛋白質功能與結構的AI模型。“就像搜索引擎抓取網(wǎng)頁信息一樣，我們從海量數(shù)據(jù)中篩選出目標序列，再用AI模擬優(yōu)化，最終‘定制’出滿足需求的蛋白質。”唐進解釋道，這一過程將傳統(tǒng)需要數(shù)周甚至數(shù)月的蛋白質設計周期，縮短至幾小時。

談及平臺競爭力，唐進總結了三大核心優(yōu)勢——

其一，海量數(shù)據(jù)驅動精準設計。LUCA-AI已整合全球近百億條微生物蛋白質序列，構建起該領域在數(shù)據(jù)規(guī)模和覆蓋度上領先的數(shù)據(jù)庫。“數(shù)據(jù)是AI模型的‘燃料’，只有足夠多的樣本，才能訓練出高精度的預測模型。”唐進強調。

其二，通用人工智能方法的遷移應用。近年來，大語言模型在文本和圖像處理領域取得革命性進展，而LUCA-AI將這一方法論引入生物蛋白領域。通過深度學習蛋白質序列與結構的關系，平臺能夠以極低的成本模擬實驗，大幅縮短研發(fā)周期。

其三，智能云平臺降低技術門檻。平臺內置16種常用計算工具，用戶亦可自定義工具，然后像“搭積木”一樣拼裝計算流程，即使是非生物背景的研究者也能快速上手。“我們希望打造一個‘樂高式’的工具箱，讓跨學科科學家都能參與蛋白質設計。”唐進說。

目前，LUCA-AI平臺已在多個領域取得突破性成果：例如，團隊與南京師范大學相關團隊合作，利用機器學習優(yōu)化微生物合成EPA（一種降血脂的ω-3脂肪酸）。通過構建30個菌株訓練集，僅3輪迭代便將EPA含量提升至59%。“傳統(tǒng)方法需耗時數(shù)年，而我們用AI大幅縮短了研發(fā)周期。”

PET塑料的降解曾是全球難題，傳統(tǒng)酶在50℃工業(yè)環(huán)境中極易失活。團隊從微生物庫中篩選出22條候選序列，經(jīng)AI優(yōu)化改造后，成功獲得在高溫下保持活性的降解酶。“這項技術已經(jīng)過小試驗證，未來有望解決白色污染問題。”唐進透露。

項目的快速落地，離不開杭州創(chuàng)新生態(tài)的支持。“之江實驗室為我們提供了關鍵技術驗證場景，杭州技術轉移轉化中心在企業(yè)畫像、成果推薦、知識產(chǎn)權保護、產(chǎn)業(yè)化對接上給予了極大幫助。”唐進還提到，多家本土投資機構的早期投入，像杭州市科創(chuàng)集團合作的之科成果轉化基金的支持等，也加速了技術從實驗室走向生產(chǎn)線。

“蛋白質不僅是生命的基石，更可以成為解決問題的‘工具’。”在唐進的構想中，蛋白質的潛力遠不止于當前應用。未來幾年，LUCA-AI平臺將聚焦環(huán)保、食品加工、化纖化工等領域，挖掘更多功能性酶。

《科技金融時報》要聞版專題報道《科技翻譯官》系列

FOLLOW

CLOSELY

浙江火炬中心

創(chuàng)新創(chuàng)業(yè)的理想伙伴