李彦宏发起创立，又一个“机器人”曝光了

杨净 发自 凹非寺

量子位 | 公众号 QbitAI

悄无声息悄无声息，李彦宏旗下又一个“机器人”曝光：

ImmuBot。

而且术业有专攻——从事当前最热门的计算生物领域。更细分一点，则是针对免疫系统治疗的蛋白质药物设计相关。

所在的团队，正是李彦宏刚创立两年的创新药物研发平台百图生科。

两年时间秘密打造，这个专业的免疫“机器人”究竟有什么看头？

ImmuBot免疫机器人

ImmuBot免疫机器人，简单来说就是一种能够重编程免疫系统的蛋白质药物。

以往的认知中，免疫系统，作为人类抵御疾病的自然防线，一旦功能障碍，就可能造成各类肿瘤、自身免疫性疾病、 感染性疾病等病症发生。

与此同时，它又十分复杂。在发布会现场，百图生科CEO刘维曾这样算了算它的复杂度。

每个免疫细胞至少有两万种蛋白来决定它的功能，而这些蛋白每个可能有上百种不同的亚型，对这些蛋白的调控，根据它的结合表位、结合方式、调控亲和力不同也有不同的结果。

最后，更不论分布在不同组织器官环境下不同特征、种类多达数十类的免疫细胞族群，以此形成万亿关系级别的功能调控网络，加之人与人之间也有不同的区别，可见其复杂性。

但当前的免疫调控药物，只针对系统内的通用人群、单一或少数靶点进行调控，这种情况就会造成药物安全性以及效用性的挑战。

而机器人的设计，随着识别、感知、决策等能力的加强，不再仅限于简单机械地加工，更能驾驭复杂系统。

ImmuBot，正是基于这种背景下诞生的。它用生物计算引擎来设计全新蛋白质，来实现复杂的药物机理MOA，从而对失效的免疫系统进行“重编程”。

从结构上来看，主要包含了五个部分：

Seeker，高特异性弹头，定位要调控的细胞。ImmuBot为每个靶点配备了恰当亲和力、精准定表位和功能激发的高性能弹头。

除此之外， 研究人员还做了靶点组合挖掘和多弹头桥接药物设计，可以实现对多个组织特异性靶点、免疫功能靶点的组合靶向。

Sensor，对环境做出响应的传感器组合。以针对肿瘤微环境为例，pH值酸碱度与正常组织不同， 传感器就对会pH值做出相应，给控制器Controller提供信号。

这也是ImmuBot之所以被称为机器人的核心原因。

接收到信号后，Controller就对弹头进行调控激发：

• 如果环境A成立，就释放A弹头；如果环境B成立，就释放B弹头。

未来还会出现更多的调控因素，如果A的数字大于B，就释放A弹头；如果A小于C，就可能释放B弹头。这种AND、OR、IF等条件触发机制就类似于我们日常编程逻辑电路了。

除此之外，还有调节器Modulator和纳米颗粒级别的底座Carrier。

值得一提的是，整个免疫机器人可组装，每个构件均可预制和复用。据介绍，这样不仅可以确保单体药物的最佳性能，还带来整体药物研发10到100倍的效率提升。

最后，简单总结ImmuBot的功能特点，大体总结为四点：弹头高性能、组合多靶向、编程式控制、构件式组装。

生物预训练大模型

据量子位智库《计算生物学深度产业报告》显示，当前，计算生物行业主要有以下几种商业模式：算法授权、生物资产以及软件使用。

生物资产，就是目前百图生科ImmuBot研发的未来模式。

据介绍，他们正在构建一个大型的创新药物资产组合，包括10余类自主八点挖掘项目、30余个构件研发项目、10余个自主和合作药物研发项目。

这个大规模资产组合覆盖了大批肿瘤和自身疾病，尤其是胃癌、肝癌等国内临床需求强烈的病种，也覆盖了近十种主要的免疫细胞，为每类免疫细胞准备了创新的靶头。

此外，他们还计划自主或与合作伙伴联合，推出更多的药物管线。预计明年将实现首批ImmuBot项目进入临床。

而这背后一整个驱动力，基于AI大模型的高通量干湿闭环生物计算引擎。

底层“大科学装置”，包括万亿关系的多组学免疫图谱、千亿参数的蛋白质/免疫计算大模型、亿级数据生产量的高通量免疫模拟实验系统等技术。

据百图生科首席AI科学家宋乐介绍，其中千亿参数大规模预训练模型，作为重要的连接，不用于现有认知的语言模型，它主要包括四层嵌套的模型体系：

蛋白质结构——>蛋白质之间及与其他分子的相互作用——>细胞层面的建模——>免疫系统与环境之间的相互作用。

下层预测或产生的一些表征，可以被上层的模型拿去利用，以此来增强上层模型的预测能力。

基于这种嵌套式大模型，辅助和优化药物设计，设计出各种各样的ImmuBot。

而这种执行思路，目前也正在实际地测试当中，即与ImmuBot一同官宣的北京中心实验室。

他们内部称其为超级大规模免疫模拟系统。

截至目前，百图生科共有两处研发中心，另一个则是位于苏州工业园区，近300名生物+计算团队，其中包括机器学习和图深度学习大牛、今年ICML大会主席宋乐。

不过必须要说的是，计算生物与AI制药的探索才刚刚开始。

一边是刚刚兴起的计算生物领域，另一边则是投融资瞩目、但质疑声不断的AI制药赛道。

前者首要落地的场景，非AI制药莫属，但两者之间究竟该如何结合？计算生物的进展，到底会对蛋白质类药物设计会带来什么样的影响？

这一切还没有答案，但像百图生科这样的玩家们已经在路上了。