AI+蛋白质行业研究报告 2024.docx

《AI+蛋白质行业研究报告 2024.docx》由会员分享，可在线阅读，更多相关《AI+蛋白质行业研究报告 2024.docx（47页珍藏版）》请在优知文库上搜索。

1、1 Al+蛋白质行业概述Ol2 Al+蛋白质技术分析083 Al+蛋白质应用场景224 Al+蛋白质投融资及发展预测351.1 发展阶段2旭纪60年代，科的i在要依赖X线NMR等常规手E拜撕蛋白质的结构；2012年以来，以ReSNet、TranSfOrmer为代表的深度学习算法被提出,为蛋白质研究带来革命性方法；202阵以来Al与蛋白质研究幽合的产业应用实现了突破性增长；2021年以来APhaFold2、RoSeTTAFOld等前沿算法的开源，加速了产业应用落地；2022年以来，随着PraeinMPNN等工具的出现,标志着蛋白质设计进入新的发展阶段人工智能技术的不断进步，其在解析蛋白质三维结构

2、的能力上已获得全球科学界的高度认可。特别是自2020年以来Al与蛋白质研究相结合的产业应用实现了突破性增长，这一趋势不仅揭示了人工智能在生物医药领域的巨大应用潜力，也预示着其在未来可能为疾病治疗、药物设计等关键领域带来革命性的变革人类对蛋白质的研究可追溯至20世纪60年代,当时科学家们主要依赖X射线、NMR（核磁共振）等常规手段来解析蛋白质的结构。随着对蛋白质生物化学机制的深入理解和计算技术的不断突破，科学家们开始尝试利用计算方法进行蛋白质结构的预测。2021年7月DeepMind开源了AphaFoId2.0,并推出了T含350,000种三维蛋白质结构的数据库。几个月后又公布了另一个包含2亿种

3、蛋白质结构的数据库，几乎覆盖了所有科学上已知的蛋白质。这一进展几乎颠覆了传统蛋白质研究的方式,将解析一个蛋白质结构的时间缩短了十万倍。蛋白质的研究不应仅限于对其结构的解析，而应更深入地探索其生物学功能及其与其他分子的相互作用。自AIphaFoId取得突破后，机器学习和深度学习等人工智能技术被广泛应用于蛋白质功能注释、蛋白质-蛋白质相互作用以及蛋白质-小分子对接等方面，同时质谱和单细胞测序技术的进步，使得获取数据的成本不断降氐。技术的迭代和成本的下降，像两台发动机加速下一代蛋白质组学的到来。JtNMur*M*tcdtraA巾看20X9XVBCrom,了d11办中金发WDAWtfIBWWfielf

4、lB个白力ElGoOa殳元aTf4farfUMB三VCiAIpIwFoId-Utaat*网我*震早闻，白0WM,可电Ratta.电9事彳&今标违安JS小台rt丹任自工第，塞AbCtUrB%*台化与制除智“四传惬充优DavWlMkvBAXHlAiMA&话6，出W的Aar*.公M4DMiddSBIKXPvoKinMPNN*目前，基于Al的蛋白质结构、功能等的预测、蛋白质设计以及蛋白质组学研究已经广泛应用于新药研发、合成生物、疾病诊断等多个跨学科领域，这些应用不仅加速了新药从理论到临床的转化过程，还促进了对复杂生物系统的深入理解,为应对全球性的健康科戡和环境问题提供了创新的解决策略，图I-IAI+蛋

5、白质行业的发展大事件0172dl队震,RMhmorW式Btttav2XDQ来源：智药局自2012年以来，深度学习取得了突破性进展，在蛋白质研究领域中展现出了显著的效果。尤以AlPhaFold2.0的出现为分水岭，开启了蛋白质结构预测的新纪元，在行业发展过程中，技术创新始终是第一推动力，从CNN到TranSfOrmer,从基于结构到基于序列，Al的变革不断带来新的可能性和变革性机会。1.2 产业链分析上游-算力、算法和数据构建产业基石，生命科学技术和设备的迭代是关键变量；中游-以AIPhaFOld为首的蛋白质结构预测、以DavidBaker为代表的蛋白质设计以及人工智能与蛋白质组学相结合；下游分

6、为药物研发和生物制造两大领域。人工智能技术与生物技术的融合，包括对大规模蛋白质数据库的深度挖掘以及相关算法模型的层出不穷，已经使得研究人员能够更加精确地预测、优化和设计具有特定功能的蛋白质。这种技术的进步为疾病治疗、生物催化和材料科学等领域带来了新的研究工具和方法。例如DaVidBake嗷授和他的团队利用这些先进技术，成功设计了一系列具有新颖结构和功能的蛋白质,这类工作不仅推动了基础科学的发展，也为实际应用开辟了新的可能性，如开发新型疫苗、生物催化剂和治疗性蛋白质。这些成果展示了人工智能在推动生物科学前沿研究方面的巨大潜力。目前，人工智能在蛋白质产业链中的应用已经取得了显著的成果和进展。它不仅

7、推动了生物医药领域的发展，还影响了化工、食品、能源等非医药领域，为产业链上下游企业带来了商机和挑战。图1-2AN蛋白质行业产业链上海AI硬件nvoAAMD11ARMdPacxki中遨下游来源：智药局平台软件算法幅架实猿设备GmgkIAxure*r)FlamaD3ACO,Quantefixpwmo*.H.1-三,ThtrmoSckxMOwdMMZmeci工业、能源、农业、食品等检测机构、科研院所AbtciJuveh4CRIFO1.Srnmyw.URfCuntonMMAmOmra:110BiMCOeENNVvevoCBUCmiTWag!gXW,CIMHMSANOFlJmodern。常修Isamyr

8、isAAKArkeon.*cA7oMRZZymefgenAfledaIQCllEAOKODiAKVAlWH鱼.，1.2.1链上游产业链上游包括支撑人工智能运行的算力、算法和数据，生物实验的硬件设备，以及基因编辑技术。其中，英伟达、AMD等产业龙头为Al提供了坚实的算力基础；谷歌云、亚马逊云和阿里云等成熟云服务供应商则为Al应用提供了稳定、高效的软件支持。在蛋白质相关的人工智能算法领域，国内大部分公司在AI研发方面i三采用开源的算法底层框架，如TensorFlow、PYTOrCh等。常用的包含蛋白质信息的数据库，妆口,蛋白质结构信息PDB数据库、蛋白质序列和注释信息UniPrOt数据库、蛋白质功

9、能信息GeneOntology辘库、蛋白质-蛋白质相互作用信息STRING数据库等,为产业链的深入研究和发展提供了丰富的数据资源。其次，生物制造所需的原材料、设施和先进技术也是上游环节的重要组成部分，例如，质谱仪、蛋白质试剂、冷冻电镜、基因编辑技术等都是这一环节的关键要素。目前，全原质谱仪市场主要被赛默飞、安捷伦、WATERS,岛津等国际行业巨头垄断；国内以谱育科技、禾信仪器为代表的企业,在产品性能上已经达到国际水平。试剂供应商包括赛默飞、CST等,为产业开展蛋白质组学活动提供基础试剂。冷冻电镜主要有三大供应商：赛默飞、日本电子和日立，是实验获得蛋白质结构的有力工具。基因播技术的发展经历了从Z

10、FNS到TA1.ENS,再JCRISPRcas9的j熊过J呈，2012年发明第三代基因编辑技术，不仅实现了对人类细胞的基因编辑，与前两代相比，基因编辑成本下降超过90%,靶向精度逐渐达到临床要求。在Al蛋白质产业链中，上游环节承担着关键的角色，构成了整个产业链的基石，而随着产业中下游的快速发展，尤其是大模型的兴起，对上游信息产出提出了更高的要求：不仅在数量上呈现出大规模的趋势，更在质量上追求更高的精确度和功能性。这种需求的增长将催动上游产业技术进一步发展。1.2.2产业性中部技术创新是推动蛋白质结构预测领域发展的主旋律，目前，DeepMindxprofluentBioxGenesisThera

11、PeUtiC藩均以蛋白质预则为主要研究方向。国内百图生科、分子之心、华深智药、油科技等公司也在深入探索该领域。蛋白质从头设计作为一种前沿的生物技术，通过计算生物学和人工智能的深度融合，研究人员能够设计出具有特定结构和功能的蛋白质，从而颠覆传统的生物制造模式，为生命科学产业带来根本性的变革。代表企业有Arzeda.GenerateBiomedicines.分子之心、途深智合等。与此同时，蛋白质优化技术则更加注重实际应用场景的需求，这一领域的技术已经逐渐成熟，并开始进入商业化阶段。代表企业有CradIeBi。、Revolkax天鹫科技等。Al蛋白质组学公司利用人工智能技术对蛋白质组进行深入研究，以

12、推动生物标记物发现、药物发现、体外诊断等应用场景的发展。l三卜以。link、somalogic.MatmPoin售为代表囹业，国内目前形成了以西湖欧米、珞米科技等为代表的专注于蛋白质组学研究的企业。在Al蛋白质产业链中，中游环节作为连接上下游的关键纽带，其创新密度之高尤为引人注目，近年来该领域涌现出一批充满活力的初创公司。这类企业通常以差异化的技术和产品为基础，并积极探索商业模式和市场策略的创新，最终加快了生物医药、能源、食品等下游应用领域的发展进程。1.2.3产业族下游人工智能+蛋白质的下游应用主要可以分为药物研发和生物制造两大类，两者都蕴含着巨大的潜力和广泛的应用前景。Al蛋白质预测和蛋白

13、质设计可以大大加速新药研发进程。通过预测蛋白质的结构和功能，研究人员可以更准确地确定药物与蛋白质之间的相互作用，从而设计出更有效的小分子药物和生物药。还可以通过预测蛋白质与特定分子的相互作用来检测疾病标志物，这对在疾病的早期发现、诊断和预后评估方面具有重要价值。在临床中Al蛋白质组学可以对各种临床样本的蛋白质组与蛋白质修饰组分析，揭示某一疾病的生理、病理过程，分析导致某种生理现象或病理状态的机制，对患者进行精准分子分型和合理用药指导。还可以通过寻找异常表达蛋白或异常的蛋白质修饰作为潜在药物靶点，以及进行后续药物开发。Al蛋白质下游中还有一部分企业处于非医药领域，而是集中在食品、生物燃料、化工领

14、域。蛋白质设计中很重要的一部分为酶工程，在食品、轻工业、医药等多个领域得到了重要应用。使用Al进行蛋白质设计或优化,可以获得性能更好的工业酶，2023年，合成生物公司ArZeda成功利用人工智能平台研发出一种酶，能够提高将甜菊提取物转化为高纯度且更昂贵的甜味剂的效率。总体来看AI+蛋白质将给产业链下游带来巨大价值，且呈现两种实现路径：一种是深度赋能生物医药管线研发，通过解决药物研发的重要问题来获取高附加值；另一种则以生物制造为典型，相关公司通过提升蛋白质工程化水平，以场景为出发点，以打造通用平台为最终目标。2023年以来，人工智能在蛋白质领域的研究取得了全方位的发展。AIphaFold嵌入蛋白质开发流程，DaVidBaker团队重构蛋白质设计思路,大模型切入蛋白质组学，传统方法与人工智能结合以提高效率。DeepMind团队田页则模型中占据领先地位2023年，AIphaFoId发布最新版本模SAIPhaFOId-IateS1.将蛋白质预测的准确率提升至T新的高度，AIphaFoId成为蛋白质开发进程中有力的验证！具。而Davi