OpenAI首个蛋白质模型披露更多细节，改进诺奖研究成果，表达量提升50倍

科学家借助GPT-4b micro成功设计出显著增强的新型山中伸弥因子变体，在干细胞重编程标志物表达量方面实现了50倍提升。

重新设计的蛋白质还展现出更强的DNA损伤修复能力。

这一成果已在多个人体供体、不同细胞类型及多种递送方法中得到验证，并确认衍生诱导多能干细胞（iPSC）系具备完整的全能性和基因组稳定性。

这项突破由OpenAI与生物技术公司Retro Bio合作开发的蛋白质工程专用模型GPT-4b micro实现。

该模型基于GPT-4o精简版构建，在包含蛋白质序列、生物文本及3D结构数据的独特训练集上进行优化，并通过添加同源序列、分子互作信息等扩展了上下文维度。

这种设计使模型能够有效处理具有内在无序区域的蛋白质序列——这对类似”软体动物”般灵活作用方式的山中伸弥因子尤为重要。

研究团队通过超长64000 token提示输入验证了模型性能，在蛋白质序列处理上实现了文本大模型级的上下文长度突破。

同时观察到与语言模型相似的规模效应：训练数据量增长直接提升模型在困惑度和蛋白质基准测试中的表现。

在实际应用中,Retro Bio科学家利用该模型对细胞重编程关键蛋白进行优化：重新设计的RetroSOX与RetroKLF变体组合使干细胞标志物表达量较野生型提升50倍以上，并展现出更强DNA修复能力。

实验显示,使用mRNA递送至50岁以上供体间充质干细胞后,仅7天即有30%细胞开始表达关键标志物,12天时85%细胞激活内源性全能性基因表达,且成功分化为全部三个胚层细胞类型。

针对衰老相关DNA损伤,Retro因子组合较原始OSKM方案显著降低γ-H2AX标记强度,表明其具备更强逆转衰老损伤的能力。

研究还证实工程化iPSC系经多代培养仍保持基因组稳定性,各项指标超越传统方法生成的对照组。

OpenAI科学家Noam Brown透露当前版本已非最新成果,预计未来一年将有更多突破发布。

这项研究不仅为再生医学开辟新路径,更引发公众对AI加速长寿科技发展的广泛讨论——有观点认为这代人或将成为首个通过AI技术实现显著寿命延长的人群。

值得注意的是,部分网友对技术转化安全性及临床应用前景提出质疑,同时期待获得可直接用于实验室操作的安全可控蛋白质设计方案。

相关研究细节已通过OpenAI官方渠道公开,为后续探索奠定基础。（参考文献略）