OpenAI 与 Retro Biosciences：使用 GPT-4b micro 加速生命科学

OpenAI 与 Retro Biosciences 开发了 GPT-4b micro，这是 GPT-4o 的一种专用微型版本，专为蛋白质工程设计。与 Retro Biosciences 合作时，该模型用于重新设计参与干细胞重编程的蛋白质，产生的重新设计蛋白质实现了比野生型对照高出超过 50 倍的干细胞重编程标记表达，并展示了增强的 DNA 损伤修复能力。

GPT-4b micro：用于蛋白质工程的专用模型

GPT-4b micro 是一个自定义模型，基于 GPT-4o 的缩小版初始化，并在包含蛋白质序列、生物学文本以及标记化 3D 结构数据的数据集上进一步训练。该架构使模型能够处理结构化蛋白质以及具有本质无序区的蛋白质，例如 Yamanaka 因子。

技术训练与数据增强

为了提升可控性和灵活性，训练数据被增强为：

  • Contextual Information：蛋白质的文字描述。
  • Co-evolutionary Homologous Sequences：相关蛋白质序列的数据。
  • Interaction Groups：已知相互作用蛋白质的信息。

这种增强提升了训练示例的有效上下文长度。在推理时，模型支持高达 64,000 个 token 的提示，这一上下文规模被描述为蛋白质序列模型前所未有的。

缩放定律与验证

OpenAI 观察到类似于语言模型的缩放定律，即更大的模型和数据集在困惑度和下游基准上带来可预测的提升。然而，由于体外（in silico）评估往往不足以满足实际应用，模型的能力通过与 Retro Biosciences 合作的湿实验室实验得到了验证。

AI 辅助的 Yamanaka 因子重新设计

Yamanaka 因子（OCT4、SOX2、KLF4 和 MYC，或 OSKM）是将成年细胞重编程为多能干细胞的关键。然而，标准的 OSKM 重编程通常效率低下，转化率不足 0.1%，且过程需要三周或更长时间。

克服设计空间挑战

传统的“定向进化”筛选受限于可能变体的数量，例如 SOX2（317 个氨基酸）和 KLF4（513 个氨基酸）的可能变体约为 10^1000。此前的学术工作涉及数千个突变体或 15 年的嵌合蛋白研究，仅取得了有限的进展。

RetroSOX 与 RetroKLF 筛选结果

使用人类成纤维细胞的湿实验筛选平台，Retro Biosciences 利用 GPT-4b micro 提出了 “RetroSOX” 序列。结果显示：

  • High Hit Rate：模型建议中超过 30% 的序列在关键多能性标记的表达上优于野生型 SOX2，而传统筛选的命中率通常低于 10%。
  • Deep Sequence Edits：成功的变体平均比野生型多出超过 100 个氨基酸。
  • Accelerated Reprogramming：将顶级 RetroSOX 与 RetroKLF 变体组合，可显著提升早期（SSEA-4）和晚期（TRA-1-60、NANOG）标记的表达，晚期标记出现的时间比野生型 OSKM 组合提前数天。

跨细胞类型和递送方式的验证

为了评估临床潜力，团队使用 mRNA 递送（而非病毒载体）以及来自三位中年（>50 岁）人类供体的间充质基质细胞（MSCs）进行测试。结果包括：

  • Rapid Expression：在 7 天内，超过 30% 的细胞表达了多能性标记（SSEA4 和 TRA-1-60）。
  • High Activation：到第 12 天，超过 85% 的细胞激活了内源性 OCT4、NANOG、SOX2 和 TRA-1-60 的表达。
  • Stability：产生的 iPSC 能分化为三大胚层，并保持健康的染色体核型和基因组稳定性。

增强的 DNA 损伤修复与复兴

除了重编程效率，研究人员还通过评估这些工程变体恢复老化细胞青春特征的能力，特别是 DNA 损伤（衰老标志）的修复，来探讨其复兴潜力。

在使用 $\gamma$-H2AX 免疫染色定量双链断裂的 DNA 损伤检测中，接受 RetroSOX/KLF 组合处理的细胞的 $\gamma$-H2AX 强度显著低于使用标准 OSKM 或荧光对照重编程的细胞。这表明工程变体比原始 Yamanaka 因子更有效地降低 DNA 损伤，暗示了改进细胞复兴疗法的潜在途径。

Sources