你没有护城河——伟大的AI民主化法术SynBio公司的新的挑战和机遇

下面的文章是写的一篇观点文章minor-latin;mso-ansi-language:EN-US;mso-fareast-language:EN-GB;mso-bidi-language:
AR-SA">吉迪恩Lapidoth。在这篇文章中表达的观点和意见的作者,不一定反映技术网络的官方立场。188金宝搏备用

的释放AlphaFold标志着一个转折点在计算蛋白质设计的领域,进入了一个新时代的可能性。多年来,该领域已经由罗塞塔软件,可以说是有史以来最成功的蛋白质建模和设计软件开发。然而,由多个算法和几十年的人类经验,它需要有效地利用专家经验。现在,随着民主化的计算设计了新的人工智能工具,如AlphaFold、ESM, ProGen ProteinMPNN,合成生物学公司必须转变焦点如果他们想要保持竞争力。

公司的范式能够仅仅作为服务提供计算设计。

旧秩序——计算设计服务

传统上,那些寻求应用机器学习和优化算法必须手工设置特定的特性,将用于评估质量的输出。例如,当开发一个程序来推断一个人的情绪从一个图像,领域专家将牧师精心挑选的特性来评估范围的面部表情,如曲率的眉毛和嘴巴的形状。这个过程需要细致的特征选择和优化,深入了解所涉及的问题空间和算法。

同样,与蛋白质设计和建模,Rosetta套件由多个可调参数,必须校准根据期望的目标。因此,尽管有明显的好处,罗塞塔带到蛋白质设计——从提高蛋白质的稳定性——小说结构和功能水平的专业知识需要用它成功地限制其可用性少数“罗塞塔专家。”这意味着任何蛋白质发展项目需要外包的计算设计元素,导致出现的专用作为服务提供者提供的计算设计。

神经网络的民主化

神经网络的出现,预示着由AlphaFold的释放,改变蛋白质的景观设计。训练神经网络通常不需要前辈的复杂的手工制作的特性。作为一个例子,AlphaFold蛋白质的氨基酸序列,以最少的人工干预,产生一个结构模型更快和更准确地比以前先进的算法。这开辟了计算设计更广泛的用户,让科学家和研究人员之前缺乏必要的专业知识。

结合人工智能工具的扩散是开源社区的采用标准,源代码是免费供任何人使用和改进。这个开源的心态并不来源于纯粹的利他意图,但必须提供一个竞争替代科技巨头,透露的谷歌的备忘录泄露承认“开源模型是更快,更可定制的,更多的私人,和体积更有能力比自己的模型。

开源社区正在大型科技股正面发展的新的深度学习模型,在性能和规模,它似乎赢得。一旦宣布一个新的模型,有一个直接争相开发可比,甚至优越,替代品。

这就是风险大科技的霸权AI DeepMind最初没有透露AlphaFold的源代码,只提供一个高层次的描述算法和推理结果。然而,即使这是足够的程序员快速开发他们自己的版本,导致项目如RoseTTAFold和OpenFold能够进行水平比AlphaFold(有时是更好的)。结果,如上所述OpenFold的使命声明是一个开源的出现的市场提供给每个人做工具“竞争与最先进的模型的性能。”

一个开源的市场的影响

这世界新秩序的影响蛋白质开发行业意义重大。大量的新的人工智能工具比以往任何时候都更容易开发新颖的蛋白质,提供计算蛋白质设计的传统商业模式作为服务变得越来越不可行。

随着越来越多的用户访问算法要求低层次的水平,公司减少了纯的增值服务。承包商之间的共享知识产权所有权的理由,这些服务提供商也同样侵蚀,因此摧毁了传统的方式,这些公司之前最大化其价值。

产品为王

在这个新时代,SynBio公司必须把重点从“如何”到“什么”和产品化提供计算设计作为一种服务来创建实际的产品提供有形资产的价值。这也将解决IP护城河问题,作为一个公司的竞争优势转变从仅设计到建筑新颖的蛋白质和他们的应用程序。这将是对两种疗法,可以保护蛋白质的序列空间和名称,以及生物制造的新型酶或者生物工程可以应用于制造特定分子。特定的人工智能模型用来开发这些小说酶相比变得不那么重要。

未来的成功之外的设计

SynBio企业必须识别和应对变化模式如果他们想要保持竞争力。在开源市场,提供计算设计作为服务单独不再是充分的。他们必须利用人工智能工具和计算设计的民主化创造有价值的产品,满足各种行业的需求。通过这样做,这些公司可以建立一个强有力的市场地位和领先的最大化其价值曲线的演化计算设计的景观。

关于作者:

吉迪恩Lapidoth首席执行官和创始人之一Enzymitbioproduction平台公司发展中胞外酶的制造技术。他是一个专家在发展先进的计算算法的设计和创造新的抗体和酶与优越的准确性和活动。吉迪恩科学硕士在特拉维夫大学的生物化学和分子动力学和计算生物学博士学位魏茨曼科学研究所的。