新智元報(bào)道

編輯：定慧 好困

【新智元導(dǎo)讀】OpenAI與Retro Biosciences合作，借助定制模型GPT-4b micro成功設(shè)計(jì)出優(yōu)化版「山中因子」，大幅提升了成體細(xì)胞逆轉(zhuǎn)為多能干細(xì)胞的效率。這一成果不僅改進(jìn)了細(xì)胞工程，更展示了AI賦能生命科學(xué)研究的全新范式，加速科研進(jìn)入全新時(shí)代。

在生命科學(xué)領(lǐng)域，一個(gè)長期未解的難題是：如何高效地將成體細(xì)胞逆轉(zhuǎn)為多能干細(xì)胞。

傳統(tǒng)方法依賴一種稱為「山中因子」的蛋白質(zhì)。

「山中因子」的一種變體

只要把它導(dǎo)入成體細(xì)胞，就能把它們「重編程」為誘導(dǎo)多能干細(xì)胞（iPSCs）。

這種「細(xì)胞逆轉(zhuǎn)」，能讓普通的體細(xì)胞回到像胚胎一樣的狀態(tài)，從此人類就有可能再生各種組織，甚至治愈那些無法治療的疾病。

今天在AI的幫助下，人類又一次離「逆轉(zhuǎn)衰老」更進(jìn)一步！

剛剛，OpenAI宣布，他們和Retro Biosciences的合作已成功利用GPT?4b micro設(shè)計(jì)出了山中因子的「新穎且顯著優(yōu)化」的變體。

GPT?4b micro是OpenAI專門為生命科學(xué)和蛋白質(zhì)工程定制的AI模型。

可以理解為GPT-4系列的一個(gè)「微縮實(shí)驗(yàn)版」。

它不是通用大模型，而是針對(duì)蛋白質(zhì)設(shè)計(jì)這個(gè)任務(wù)做了專門優(yōu)化。

山中因子是一組特殊的蛋白質(zhì)，因其在誘導(dǎo)產(chǎn)生多能干細(xì)胞（iPSCs）和實(shí)現(xiàn)細(xì)胞年輕化方面的開創(chuàng)性作用而榮獲諾貝爾獎(jiǎng)。

該技術(shù)還被用于開發(fā)治療失明、逆轉(zhuǎn)糖尿病、治療不孕癥以及解決器官短缺等問題的創(chuàng)新療法。

山中因子

20世紀(jì)末，科學(xué)界有一個(gè)幾乎不可動(dòng)搖的共識(shí)：細(xì)胞的命運(yùn)一旦確定，就無法逆轉(zhuǎn)。

如果一個(gè)細(xì)胞已經(jīng)分化成皮膚細(xì)胞、肌肉細(xì)胞或神經(jīng)細(xì)胞，就不能再「回頭」變成其他細(xì)胞。

皮膚細(xì)胞只能是皮膚細(xì)胞，神經(jīng)元只能是神經(jīng)元，沒人相信它們還能逆轉(zhuǎn)，重新變成萬能的胚胎樣細(xì)胞。

獲取多能干細(xì)胞只能依賴胚胎，這不僅受制于倫理爭議，也讓再生醫(yī)學(xué)的發(fā)展步履維艱。

然而，一位日本科學(xué)家山中伸彌（Shinya Yamanaka）并不愿接受這樣的限制。

作為骨科醫(yī)生出身的研究者，他親眼見過病人因神經(jīng)損傷、器官衰竭而無藥可醫(yī)。他心里一直有個(gè)疑問：

如果能讓普通的體細(xì)胞回到像胚胎一樣的狀態(tài)，是不是就能再生各種組織，甚至治愈那些無法治療的疾病呢？

2006年，他帶著團(tuán)隊(duì)把幾十個(gè)與干細(xì)胞有關(guān)的基因一股腦兒導(dǎo)入小鼠的皮膚細(xì)胞，嘗試讓它們「重啟」。

出人意料的是，有些細(xì)胞真的開始「逆轉(zhuǎn)」，逐漸表現(xiàn)出胚胎干細(xì)胞的特征。

經(jīng)過不斷篩選，他們最終鎖定了OCT4、SOX2、KLF4、MYC四個(gè)關(guān)鍵因子。

只要把這四個(gè)基因一起導(dǎo)入成體細(xì)胞，就能把它們「重編程」為誘導(dǎo)多能干細(xì)胞（iPSCs）。

這個(gè)發(fā)現(xiàn)震驚了全世界，也徹底顛覆了「細(xì)胞命運(yùn)不可逆」的傳統(tǒng)觀點(diǎn)。

正是因?yàn)檫@一里程碑式的突破，山中伸彌和John Gurdon在2012年獲得了諾貝爾生理學(xué)或醫(yī)學(xué)獎(jiǎng)。

Gurdon早在1962年通過一項(xiàng)經(jīng)典實(shí)驗(yàn)，發(fā)現(xiàn)已分化的特定成熟細(xì)胞要想變回「從前」，是可逆的。

OpenAI最新成就

OpenAI的體外實(shí)驗(yàn)結(jié)果顯示，這些經(jīng)重新設(shè)計(jì)的蛋白質(zhì)所誘導(dǎo)的干細(xì)胞重編程標(biāo)記物表達(dá)量，比野生型對(duì)照組高出50余倍。

同時(shí)，它們還表現(xiàn)出更強(qiáng)的DNA損傷修復(fù)能力，這意味著與基線相比，其細(xì)胞年輕化潛力更高。

OpenAI表示，2025年初他們就取得了這項(xiàng)發(fā)現(xiàn)。

后續(xù)通過在多種捐贈(zèng)者來源、多種細(xì)胞類型和多種遞送方法中的重復(fù)實(shí)驗(yàn)驗(yàn)證了其可靠性，最終確認(rèn)所衍生的iPSC細(xì)胞系具備完全的多能性和基因組穩(wěn)定性。

下面這三張圖展示的是，OpenAI設(shè)計(jì)的蛋白質(zhì)能更高效地誘導(dǎo)干細(xì)胞重編程：

初始狀態(tài)的人類成纖維細(xì)胞（第1天）

使用標(biāo)準(zhǔn)的山中因子（SOX2, KLF4, OCT4, MYC）重編程10天后，細(xì)胞形態(tài)散亂

使用RetroSOX與RetroKLF變體（結(jié)合OCT4, MYC）重編程10天后，出現(xiàn)了大量具有緊湊、圓形形態(tài)的集落，這是細(xì)胞邁向iPSC狀態(tài)的典型特征

一款專為蛋白質(zhì)工程打造的GPT

OpenAI是如何實(shí)現(xiàn)「逆轉(zhuǎn)細(xì)胞」的？

為驗(yàn)證AI加速生命科學(xué)研究的設(shè)想，他們?cè)O(shè)計(jì)并訓(xùn)練了一款定制模型——GPT-4b micro。

首先，從一個(gè)GPT-4o的縮減版進(jìn)行初始化，以充分利用GPT系列模型已有的知識(shí)儲(chǔ)備，隨后在一個(gè)特殊的數(shù)據(jù)集上對(duì)其進(jìn)行深度訓(xùn)練。

該數(shù)據(jù)集主要由蛋白質(zhì)序列構(gòu)成，并輔以生物學(xué)文本和Token化的三維結(jié)構(gòu)數(shù)據(jù)——這些元素是多數(shù)蛋白質(zhì)語言模型所忽略的。

研究團(tuán)隊(duì)對(duì)大部分?jǐn)?shù)據(jù)進(jìn)行了豐富，為其添加了額外的上下文信息，包括蛋白質(zhì)的文本描述、共進(jìn)化同源序列以及已知的相互作用蛋白質(zhì)組。

有了這些上下文，GPT-4b micro便能根據(jù)提示詞生成具有特定屬性的序列。

由于大部分?jǐn)?shù)據(jù)不包含結(jié)構(gòu)信息，該模型能夠同等出色地處理包含內(nèi)在無序區(qū)域的蛋白質(zhì)與結(jié)構(gòu)穩(wěn)定的蛋白質(zhì)。

這對(duì)于山中因子這類靶點(diǎn)尤為關(guān)鍵，因?yàn)樗鼈兊幕钚圆⒎且蕾囉谛纬蓡我环€(wěn)定結(jié)構(gòu)，而是通過與多種結(jié)合伴侶發(fā)生大量瞬時(shí)相互作用來實(shí)現(xiàn)的。

KLF4的3D結(jié)構(gòu)可視化

SOX2的3D結(jié)構(gòu)可視化

需要注意的是，這兩種蛋白質(zhì)的大部分區(qū)域是非結(jié)構(gòu)化的，擁有可與其他蛋白質(zhì)結(jié)合的柔性臂。

通過在富含進(jìn)化與功能背景信息的蛋白質(zhì)數(shù)據(jù)上訓(xùn)練，研究團(tuán)隊(duì)訓(xùn)練樣本的有效上下文長度遠(yuǎn)超獨(dú)立的蛋白質(zhì)序列。

OpenAI發(fā)現(xiàn)，在推理時(shí)，模型能夠處理長達(dá)64,000個(gè)Token的提示詞，同時(shí)在可控性和輸出質(zhì)量上仍有持續(xù)提升。

盡管這一上下文長度在文本大語言模型中已屬常見，但在蛋白質(zhì)序列模型領(lǐng)域尚屬首次。

在開發(fā)過程中，觀察到了類似語言模型的scaling laws——在更大數(shù)據(jù)集上訓(xùn)練的更大模型，在困惑度（perplexity）和下游蛋白質(zhì)基準(zhǔn)測(cè)試上均表現(xiàn)出可預(yù)測(cè)的性能提升。

這使得研究團(tuán)隊(duì)能夠在訓(xùn)練最終的GPT-4b micro模型前，先進(jìn)行小規(guī)模的快速迭代。

然而，蛋白質(zhì)AI模型的硅基評(píng)估（in silico evals）價(jià)值通常有限，因?yàn)檫@些指標(biāo)的提升能否轉(zhuǎn)化為真實(shí)世界的實(shí)用價(jià)值尚不明確。

為了證明該模型確實(shí)能加速療法開發(fā)，研究團(tuán)隊(duì)與Retro的科學(xué)家們通力合作，由他們使用此模型重新設(shè)計(jì)了與其細(xì)胞重編程研究項(xiàng)目相關(guān)的關(guān)鍵蛋白質(zhì)。

AI輔助重構(gòu)SOX2與KLF4

提升干細(xì)胞重編程效率

山中因子——OCT4、SOX2、KLF4和MYC（簡稱OSKM）——是當(dāng)今再生生物學(xué)領(lǐng)域最重要的蛋白質(zhì)之一。

然而，這項(xiàng)技術(shù)有著一個(gè)關(guān)鍵瓶頸——效率低下。

在治療過程中，通常只有不到0.1%的細(xì)胞能成功轉(zhuǎn)化，且整個(gè)過程耗時(shí)三周以上。

對(duì)于來自年長或患病捐贈(zèng)者的細(xì)胞，這一轉(zhuǎn)化效率還會(huì)進(jìn)一步降低。

但問題是，想要直接優(yōu)化蛋白質(zhì)序列，幾乎是不可能的。

SOX2和KLF4分別包含317和513個(gè)氨基酸，其可能變體的數(shù)量高達(dá)10^1000的量級(jí)。

傳統(tǒng)的「定向進(jìn)化」（directed-evolution）篩選方法，一次只能改變少數(shù)幾個(gè)氨基酸殘基，所能探索的設(shè)計(jì)空間可謂滄海一粟。

一項(xiàng)頂尖的學(xué)術(shù)研究測(cè)試了數(shù)千個(gè)SOX2突變體，僅發(fā)現(xiàn)少數(shù)幾個(gè)三突變體能帶來有限的效率提升。

另一項(xiàng)長達(dá)15年的嵌合SOX蛋白研究，最終得到的變體也僅與天然SOX蛋白有五個(gè)氨基酸的差異。

在這次的實(shí)驗(yàn)中，Retro的團(tuán)隊(duì)利用人類成纖維細(xì)胞（來自皮膚和結(jié)締組織）搭建了一個(gè)濕實(shí)驗(yàn)室篩選平臺(tái)。

首先，他們使用標(biāo)準(zhǔn)的OSKM因子組合以及初步篩選中手動(dòng)設(shè)計(jì)的SOX2變體，對(duì)平臺(tái)進(jìn)行了驗(yàn)證。

隨后，他們讓GPT-4b micro設(shè)計(jì)一組多樣的「RetroSOX」序列。

篩選結(jié)果顯示，模型給出的建議中超過30%的序列，在表達(dá)關(guān)鍵多能性標(biāo)記物方面的表現(xiàn)優(yōu)于野生型SOX2，盡管它們與野生型的平均差異超過100個(gè)氨基酸。

作為對(duì)比，傳統(tǒng)篩選的陽性率通常低于10%。

下圖顯示，在初步篩選（Pilot）、RetroSOX篩選和RetroKLF篩選中，表達(dá)早期多能性標(biāo)記物SSEA4（左柱）和晚期標(biāo)記物TRA-1-60（右柱）的細(xì)胞百分比。

可以看到，與效率極低（<0.1%）的常規(guī)方法相比，RetroKLF顯著提升了兩種標(biāo)記物的表達(dá)水平。

工程化變體在多能性標(biāo)記物表達(dá)上的提升

團(tuán)隊(duì)的下一個(gè)目標(biāo)，是重新設(shè)計(jì)山中因子中分子量最大的KLF4。

盡管已知KLF4可被其他KLF家族的因子替代，但并不能提升重編程的效率。

此前，一項(xiàng)通過專家指導(dǎo)進(jìn)行單氨基酸替換來改良KLF4的嘗試，在測(cè)試了19個(gè)變體后僅獲得一個(gè)有效結(jié)果。

與RetroSOX的策略類似，研究團(tuán)隊(duì)提示模型生成了一組增強(qiáng)型的RetroKLF變體。

最終，14個(gè)由模型生成的變體性能超越了RetroSOX篩選中效果最好的組合方案，陽性率接近50%。

下面兩張圖展示的是，AI設(shè)計(jì)方法的陽性率和序列編輯深度。

可以看到，將頂尖的RetroSOX和RetroKLF變體組合使用，帶來了最大的性能提升。

篩選陽性率，即性能超越基線的蛋白質(zhì)候選者比例（左）與人類野生型蛋白質(zhì)相比，序列被改變的百分比（右）

在三次獨(dú)立的實(shí)驗(yàn)中，成纖維細(xì)胞的早期（SSEA-4）和晚期（TRA-1-60, NANOG）標(biāo)記物水平均出現(xiàn)急劇上升，且晚期標(biāo)記物的出現(xiàn)時(shí)間比使用野生型OSKM組合方案提前了數(shù)天。

在第10天，使用不同RetroSOX和RetroKLF變體組合（RK1-RK4）的細(xì)胞，其晚期標(biāo)記物TRA-1-60（左）和NANOG（右）的表達(dá)水平遠(yuǎn)高于使用標(biāo)準(zhǔn)OSKM（檢測(cè)不到）的對(duì)照組

此外，研究團(tuán)隊(duì)在第10天通過堿性磷酸酶（AP）染色對(duì)RetroSOX和RetroKLF變體進(jìn)行了驗(yàn)證。

結(jié)果顯示，形成的細(xì)胞集落不僅表達(dá)晚期多能性標(biāo)記物，還表現(xiàn)出強(qiáng)大的AP活性，這是細(xì)胞具備多能性的有力標(biāo)志。

AP染色確認(rèn)了重編程的成功：紫色的集落表示干細(xì)胞重編程成功，集落顏色越深、數(shù)量越多，表明效率越高

為了進(jìn)一步確認(rèn)重編程效率的提升并探索其臨床應(yīng)用潛力，研究團(tuán)隊(duì)測(cè)試了一種新的遞送方式（使用mRNA替代病毒載體）和另一種細(xì)胞類型——源自三位中年（50歲以上）捐贈(zèng)者的人類間充質(zhì)基質(zhì)細(xì)胞（MSCs）。

僅7天內(nèi)，便有超過30%的細(xì)胞開始表達(dá)關(guān)鍵的多能性標(biāo)記物（SSEA4和TRA-1-60）。

到第12天，已出現(xiàn)大量形態(tài)與典型iPSC相似的集落。這些細(xì)胞中超過85%激活了包括OCT4、NANOG、SOX2和TRA-1-60在內(nèi)的關(guān)鍵干細(xì)胞標(biāo)記物的內(nèi)源性表達(dá)。

接著，研究團(tuán)隊(duì)驗(yàn)證了這些由RetroFactor衍生的iPSC能夠成功分化為全部三個(gè)主要胚層（內(nèi)胚層、外胚層和中胚層）。

此外，研究團(tuán)隊(duì)將多個(gè)單克隆iPSC細(xì)胞系傳代培養(yǎng)，證實(shí)了其具有健康的核型和適用于細(xì)胞療法的基因組穩(wěn)定性。

這些結(jié)果全面超越了由合同研究組織（CRO）使用標(biāo)準(zhǔn)因子生成的常規(guī)iPSC細(xì)胞系的基準(zhǔn)數(shù)據(jù)，進(jìn)一步證明了研究團(tuán)隊(duì)工程化變體的穩(wěn)健性，也為其在不同遞送方式和細(xì)胞類型中的應(yīng)用提供了有力證據(jù)。

下面三張圖中所有的結(jié)果共同證實(shí)了，研究團(tuán)隊(duì)已成功獲得健康、且完全重編程的干細(xì)胞，從而也全面驗(yàn)證了重編程干細(xì)胞的健康與功能。

細(xì)胞集落呈現(xiàn)出干細(xì)胞特有的圓形、緊密堆積形態(tài)

TRA-1-60干細(xì)胞標(biāo)記物（綠色熒光）呈陽性

細(xì)胞核型正常，染色體結(jié)構(gòu)完整

綜上所述，高陽性率、深度的序列編輯、標(biāo)記物的提前出現(xiàn)以及AP陽性集落的形成，這些早期證據(jù)共同表明，AI指導(dǎo)的蛋白質(zhì)設(shè)計(jì)能夠極大地推動(dòng)干細(xì)胞重編程研究的進(jìn)程。

重構(gòu)變體增強(qiáng)DNA損傷修復(fù)能力

接下來，OpenAI進(jìn)一步探究了這些重構(gòu)變體的細(xì)胞年輕化潛力，并重點(diǎn)考察了它們恢復(fù)衰老細(xì)胞年輕特征的能力。

現(xiàn)有的研究表明，山中因子可以在不完全逆轉(zhuǎn)細(xì)胞身份的前提下，清除小鼠細(xì)胞中與DNA損傷相關(guān)的衰老標(biāo)記。

那么，與標(biāo)準(zhǔn)的OSKM相比，OpenAI制作的變體是否能表現(xiàn)出更強(qiáng)的年輕化能力呢？

下圖所展示的，便是經(jīng)阿霉素誘導(dǎo)產(chǎn)生DNA損傷后，細(xì)胞內(nèi)損傷標(biāo)記物γ-H2AX的強(qiáng)度（越低越好）。

可以看到，與陰性對(duì)照組（GFP）和陽性對(duì)照組（OSKM）相比，使用Retro變體（RS4, RS5）處理的細(xì)胞，γ-H2AX信號(hào)有顯著的降低。

也就是說，在遭受同等遺傳毒性挑戰(zhàn)后，RetroSOX/KLF組合方案比原始的山中因子能更有效地減少DNA損傷。

工程化變體展現(xiàn)出了更強(qiáng)的DNA損傷修復(fù)能力，為提升細(xì)胞年輕化技術(shù)和開發(fā)未來療法開辟了一條充滿希望的道路

對(duì)此，OpenAI的研究合作負(fù)責(zé)人Boris Power總結(jié)道：

當(dāng)研究人員將深刻的領(lǐng)域洞見與研究團(tuán)隊(duì)的語言模型工具相結(jié)合時(shí)，那些曾經(jīng)需要耗費(fèi)數(shù)年才能解決的問題，如今可能在幾天之內(nèi)就迎來轉(zhuǎn)機(jī)。

總的來說，這次的成功，不僅僅是AI創(chuàng)造了幾種更高效的蛋白質(zhì)，更是向研究團(tuán)隊(duì)展示了一種利用AI深度理解復(fù)雜科學(xué)問題并提出創(chuàng)新解決方案的全新科研范式

從尋找抗衰老療法，到設(shè)計(jì)新藥、解決糧食危機(jī)，當(dāng)人類的智慧與AI的超凡算力相結(jié)合，研究團(tuán)隊(duì)解決科學(xué)難題的速度，將發(fā)生革命性的改變。

一個(gè)由AI加速的科研新紀(jì)元，正向研究團(tuán)隊(duì)走來。

參考資料：

https://openai.com/index/accelerating-life-sciences-research-with-retro-biosciences/