文｜未來跡FutureBeauty 陳龍
編輯｜吳思馨
不少人懷疑，今年的諾獎(jiǎng)“偷懶”了。
除了備受關(guān)注的諾貝爾生理學(xué)或醫(yī)學(xué)獎(jiǎng)“MicroRNA”相關(guān)研究外，今年諾貝爾化學(xué)獎(jiǎng)、物理學(xué)獎(jiǎng)均被AI相關(guān)研究拿下：
2024年諾貝爾化學(xué)獎(jiǎng)授予華盛頓大學(xué)的大衛(wèi)·貝克，以表彰其在蛋白質(zhì)設(shè)計(jì)方面的貢獻(xiàn)，另一半則共同授予谷歌旗下人工智能公司DeepMind（深度思維）的戴米斯·哈薩比斯和約翰·江珀，針對(duì)結(jié)合AI（人工智能）模型對(duì)蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)領(lǐng)域的研究。
而今年的諾貝爾物理學(xué)獎(jiǎng)，則被授予約翰·J·霍普菲爾德（John J. Hopfield）和杰弗里·E·辛頓（Geoffrey E. Hinton），以表彰他們“在實(shí)現(xiàn)使用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)”方面的基礎(chǔ)性發(fā)現(xiàn)和發(fā)明。
逢AI必獲獎(jiǎng)，諾獎(jiǎng)看似在躺平式“響應(yīng)”AI這一時(shí)代主題，但并非諾獎(jiǎng)評(píng)委有意“怠工”，而是恰恰說明AI早已滲透到了最前沿的科研領(lǐng)域，甚至能起到關(guān)鍵革新作用。
正如此次獲獎(jiǎng)的DeepMind開發(fā)的AlphaFold（阿爾法折疊）大模型，早已在醫(yī)藥和美妝使用的蛋白（肽）類成分的開發(fā)中起到關(guān)鍵作用。
但AI在美妝科研端的應(yīng)用，又何止一個(gè)AlphaFold。
美妝科研再次踩中諾獎(jiǎng)科技
在過去，AI在美妝行業(yè)的應(yīng)用大多都在臺(tái)前。
比如歐萊雅集團(tuán)用BeautyGenius為消費(fèi)者測(cè)膚并進(jìn)行個(gè)性化推薦，采用CREAITECH生產(chǎn)內(nèi)容；而雅詩蘭黛與微軟合作AI innovation Lab主要用于增強(qiáng)消費(fèi)者與旗下品牌的關(guān)聯(lián)；寶潔早已開始用AI進(jìn)行消費(fèi)者行為分析，深度輔助市場(chǎng)決策和供應(yīng)鏈管理。
值得一提的還有，作為迪奧、資生堂等397家知名品牌的AI測(cè)膚SaaS解決方案供應(yīng)商，美圖宜膚將AI應(yīng)用到基礎(chǔ)研究領(lǐng)域，通過AI對(duì)43萬名參與者皮膚狀態(tài)進(jìn)行研究。該研究利用全景式AI測(cè)膚系統(tǒng)美圖宜膚識(shí)別皺紋發(fā)展和嚴(yán)重程度的關(guān)鍵拐點(diǎn)，發(fā)現(xiàn)了不同年齡層的衰老“拐點(diǎn)”，將深度學(xué)習(xí)技術(shù)應(yīng)用于衰老檢測(cè)，建立皮膚維度測(cè)量標(biāo)準(zhǔn)，并探索影響皮膚特征的靶點(diǎn)，并參與制定、發(fā)布了《?體?膚分齡抗衰?評(píng)價(jià)標(biāo)準(zhǔn)表》團(tuán)體標(biāo)準(zhǔn)。
顯然，在美妝科研的大幕后，AI早已開始發(fā)光發(fā)熱，尤其是今年獲得諾獎(jiǎng)的Deepmind，結(jié)結(jié)實(shí)實(shí)地“踩”到了美妝科研的腹地。
據(jù)《FBeauty未來跡》了解，AlphaFold已預(yù)測(cè)出約100萬個(gè)物種的超過2億種蛋白質(zhì)結(jié)構(gòu)，幾乎涵蓋科學(xué)界已編錄的每一種蛋白質(zhì)。這意味著，曾因氨基酸排列組合以及折疊方式帶來“維數(shù)災(zāi)難”的蛋白、肽類成分開發(fā)，在AI大模型AlphaFold的篩選之下，可以從“大海撈針”變成了“定向預(yù)測(cè)”。
如果將開發(fā)一個(gè)肽類成分比作買彩票，AlphaFold大模型類似于將過往所有彩票數(shù)字組合（氨基酸組合）和中獎(jiǎng)結(jié)果（功效）進(jìn)行統(tǒng)計(jì)，并建立一套準(zhǔn)確的算法。當(dāng)科研人員需要某種目標(biāo)功效（特定中獎(jiǎng)結(jié)果）時(shí)，可以讓AlphaFold預(yù)測(cè)出目標(biāo)蛋白、肽類分子的結(jié)構(gòu)（新一期的數(shù)字組合）。
科研人員不用再一次一次實(shí)驗(yàn)測(cè)試各種功能蛋白、肽類成分的濕實(shí)驗(yàn)?zāi)Ｊ剑ㄙI很多彩票），而是先測(cè)算出結(jié)果（干實(shí)驗(yàn)），再通過一次“濕實(shí)驗(yàn)”（買一張彩票）驗(yàn)證結(jié)果是否達(dá)到預(yù)期的結(jié)果（中獎(jiǎng)）。
在抗衰需求推動(dòng)的肽類成分盛行的當(dāng)下，AlphaFold將過去難度和成本極高的功能蛋白、肽類成分科研工作，變得成本、時(shí)間可控，且準(zhǔn)確率更高。
相關(guān)資料顯示，通過AlphaFold預(yù)測(cè)的蛋白質(zhì)結(jié)構(gòu)與科學(xué)家之前通過實(shí)驗(yàn)揭示的結(jié)果幾乎一致（約90%）時(shí)，《科學(xué)》雜志甚至評(píng)論，人工智能技術(shù)讓人類無需實(shí)驗(yàn)即可了解蛋白質(zhì)結(jié)構(gòu)。
據(jù)第十四章品牌創(chuàng)始人梅鶴祥介紹，在新藥物開發(fā)領(lǐng)域，AI的介入可以降低20%的研發(fā)成本，提升20%命中率，并縮短20%研發(fā)周期。在美妝科研領(lǐng)域，AI大模型的應(yīng)用可以讓環(huán)肽一類 “英雄（Hero）成分”的科研至少降低一半開發(fā)成本，縮短3-5年的研發(fā)周期。
更重要的是，AI技術(shù)的介入，正在改變美妝科研的邏輯：過去的科研是通過不斷用濕實(shí)驗(yàn)試錯(cuò)，從而找到最正確的解決方案。而現(xiàn)在的邏輯已經(jīng)變先給到想要的結(jié)果，讓AI預(yù)測(cè)（干實(shí)驗(yàn)），然后用濕實(shí)驗(yàn)驗(yàn)證正確性。
可以說，AI作為一種高效的統(tǒng)計(jì)學(xué)工具，在眾多變量組合中高效且準(zhǔn)確地找到最好的解決方案，極大降低了科研過程中的試錯(cuò)成本（時(shí)間、精力、資源）。
例如過去青蒿素的發(fā)現(xiàn)過程中，需要在青蒿提取物里10000多個(gè)有效成分不斷分離，進(jìn)行試驗(yàn)的驗(yàn)證，通過10余年的時(shí)間，投入大量的人力物力，才找到最終的青蒿素分子，而現(xiàn)在AI技術(shù)的應(yīng)用，可以提升開發(fā)效率。
而現(xiàn)在，上海家化在青蒿素成分在美妝成分應(yīng)用時(shí)，采用AI網(wǎng)絡(luò)藥理學(xué)技術(shù)對(duì)從青蒿提取物的153種成分、1080個(gè)活性靶點(diǎn)中，找到了64個(gè)舒緩相關(guān)蛋白，對(duì)應(yīng)88個(gè)成分，涉及調(diào)控炎癥相關(guān)的蛋白，加速完成了其在美妝行業(yè)應(yīng)用的科研進(jìn)程。
事實(shí)上，AI大模型的應(yīng)用，在美妝科研領(lǐng)域的應(yīng)用模式遠(yuǎn)不止于肽類成分的開發(fā)，梅鶴祥表示，在類似新藥開發(fā)完整過程的ADMET各不同流程的研究，均已融合相關(guān)的人工智能技術(shù)。
而相關(guān)的AI工具，可以應(yīng)用到美妝科研的方方面面。
這門通過計(jì)算機(jī)科技解決生物技術(shù)問題的學(xué)科，被統(tǒng)稱為計(jì)算生物學(xué)（Computational Biology，指開發(fā)和應(yīng)用數(shù)據(jù)分析及理論的方法、數(shù)學(xué)建模、計(jì)算機(jī)仿真技術(shù)等，用于生物學(xué)、行為學(xué)和社會(huì)群體系統(tǒng)的研究的一門學(xué)科）。
近年AI領(lǐng)域的技術(shù)大爆發(fā)和算力暴漲，以及各種大模型的應(yīng)用，讓計(jì)算生物學(xué)加速走向科研舞臺(tái)。其中，基因序列比較、基因表達(dá)模式的分析到全基因組關(guān)聯(lián)研究等，蛋白開發(fā)都是計(jì)算生物學(xué)的具體應(yīng)用。
《深度 | 三問諾獎(jiǎng)科技miRNA，如何顛覆美妝研發(fā)？》中提及miR相關(guān)功效成分開發(fā)，也會(huì)大量運(yùn)用AI來進(jìn)行成分結(jié)構(gòu)預(yù)測(cè)。
與此同時(shí)，在近年十分熱門的合成生物領(lǐng)域，AI與計(jì)算信息學(xué)、生物信息學(xué)在發(fā)酵工程中的跨領(lǐng)域運(yùn)用，也能大大優(yōu)化發(fā)酵前期的菌種篩選、發(fā)酵過程的優(yōu)化放大和發(fā)酵產(chǎn)物與護(hù)膚功效之間的精準(zhǔn)匹配，有效提升了美妝功效成分的開發(fā)效率。
可見，AI已經(jīng)被應(yīng)用幾乎所有最前沿的到美妝科研領(lǐng)域中。
“AI競(jìng)賽”已開幕，美妝科研迭代加速
對(duì)AI應(yīng)用的想象，永遠(yuǎn)不要過于保守。
在具體實(shí)操中，美妝企業(yè)對(duì)AI的接受程度，遠(yuǎn)比想象中要高。從成分開發(fā)，到配方、香味、膚感設(shè)計(jì)，直至專業(yè)的定制化服務(wù)，均有涉獵：
不難看出，從品牌、到代工、原料企業(yè)，均在使用AI完成一些含有巨大變量的預(yù)測(cè)，或者大批量個(gè)性化的對(duì)比工作。以此替代過去需要大量人工和專業(yè)性的工作，提升科研產(chǎn)出效率。
而AI科技的應(yīng)用也讓第三方科研機(jī)構(gòu)，在美妝科研領(lǐng)域擁有更為活躍的表現(xiàn)。
僅在蛋白、肽類成分開發(fā)領(lǐng)域，我國就有清華大學(xué)人工智能產(chǎn)業(yè)研究院孵化的AI 制藥企業(yè)華深智藥、北京分子之心、浙江清華長(zhǎng)三角研究院、錚信分子生物技術(shù)研發(fā)中心等第三方研發(fā)機(jī)構(gòu)入局。
《FBeauty未來跡》曾在《計(jì)算生物學(xué)“神助攻”，肽類原料開發(fā)駛?cè)肟燔嚨馈芬晃闹刑峒?，清華長(zhǎng)三角研究院正式發(fā)布了ACRDC活性肽智能深度數(shù)據(jù)庫，通過KEPLER 90i??計(jì)算生物學(xué)平臺(tái)建立了靶點(diǎn)數(shù)據(jù)集和天然活性肽數(shù)據(jù)集的智能深度分析與關(guān)聯(lián)預(yù)測(cè)體系?；诹?chǎng)的計(jì)算（蛋白、肽類成分與受體的結(jié)合程度），開辟了與AlphaFold不同路徑的蛋白、肽類成分開發(fā)路徑。
據(jù)了解，該研究院基于炎癥性衰老前沿靶點(diǎn)的HMGB1的靶向環(huán)肽cIY-8，是首個(gè)日化領(lǐng)域直接靶向炎癥性老化的環(huán)肽分子。目前，貝泰妮已經(jīng)與ACRDC展開合作，雙方的合作不僅僅局限于原料定制化、開發(fā)，還會(huì)越來越多地深入到基礎(chǔ)研究領(lǐng)域。
在國外，哈佛醫(yī)學(xué)院開發(fā)的miniprot以及愛爾蘭生物公司基于人工智能搭建的生物活性肽查找器Magnifier NπΦ也投入了使用，借助AI預(yù)測(cè)的肽可使臨床功效驗(yàn)證的成功率提高至80%。解鎖了共計(jì)超過600萬種植物肽的數(shù)據(jù)，并發(fā)現(xiàn)PeptiYouth和PeptiStrong成分。
另一方面，一些國內(nèi)外也有許多主流的科技公司，均在開發(fā)一些人工智能模型，能夠直接或間接參與到美妝科研領(lǐng)域。
資本和政策的支持，也在進(jìn)一步加速AI美妝以及各行業(yè)滲透的進(jìn)程。
相關(guān)數(shù)據(jù)顯示，2023年，全球計(jì)算生物學(xué)領(lǐng)域發(fā)生82起投資事件，總?cè)谫Y金額約為 93 億人民幣，其中深勢(shì)科技、Causaly、騰邁醫(yī)藥、Superluminal Medicines、分子之心和本導(dǎo)基因等企業(yè)，均受到了資本市場(chǎng)的青睞。
在國內(nèi)，多地已經(jīng)推行鼓勵(lì)A(yù)I與各產(chǎn)業(yè)結(jié)合的相關(guān)政策，例如上海市科委制定了《上海市計(jì)算生物學(xué)創(chuàng)新發(fā)展行動(dòng)計(jì)劃(2023—2025年)》，設(shè)立了上海市科技創(chuàng)新行動(dòng)計(jì)劃“計(jì)算生物學(xué)”專項(xiàng) ，并于今年4月組織了首屆上海國際計(jì)算生物學(xué)創(chuàng)新大賽。
大賽得到了中國科學(xué)院上海藥物研究所原創(chuàng)新藥研究全國重點(diǎn)實(shí)驗(yàn)室、中國銀行上海市分行、華為云計(jì)算技術(shù)有限公司、臨港實(shí)驗(yàn)室、上海人工智能研究院、東方美谷企業(yè)集團(tuán)股份有限公司等多家企事業(yè)單位的支持。
在產(chǎn)業(yè)端，Mordor Intelligence發(fā)布的市場(chǎng)研究報(bào)告數(shù)據(jù)顯示，全球計(jì)算生物學(xué)市場(chǎng)正呈現(xiàn)出強(qiáng)勁的增長(zhǎng)勢(shì)頭，規(guī)模預(yù)計(jì)將從2023年的68億美元增長(zhǎng)到2028年的127.2億美元，預(yù)測(cè)期間的復(fù)合年增長(zhǎng)率為13.33%。其中，北美地區(qū)是最大的市場(chǎng)，美國是行業(yè)內(nèi)領(lǐng)先國家，政府每年用于發(fā)展計(jì)算生物學(xué)的平均支出約為1.4 億美元。[2]
在這樣的大背景之下，美妝產(chǎn)學(xué)研鏈條與AI的產(chǎn)業(yè)下沉開啟了雙向奔赴。
AI 加速普及，但仍有 3 大“攔路虎”
雖然美妝科研領(lǐng)域目力所及皆可AI，但事實(shí)是，AI還遠(yuǎn)未能發(fā)揮“十成功力”，就像人工智能輔助駕駛一樣，還遠(yuǎn)沒有到人類可以完全“放下方向盤”的階段。
復(fù)旦大學(xué)復(fù)雜體系多尺度研究院院長(zhǎng)馬劍鵬就明確表示，蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)技術(shù)AlphaFold2雖然很強(qiáng)大，但還遠(yuǎn)沒有達(dá)到能夠取代實(shí)驗(yàn)的水平。
梅鶴祥也表示，AI目前在美妝科研領(lǐng)域處于輔助階段，還不能真正意義上做到完全替代。
一方面，AI大模型的開發(fā)和培養(yǎng)，需要大量穩(wěn)定性數(shù)據(jù)的采集，通過足夠數(shù)量的數(shù)據(jù)進(jìn)行“喂食”學(xué)習(xí)，加上精心設(shè)計(jì)的算法，才能提升計(jì)算結(jié)果的精度，好比給一個(gè)嬰兒看了足夠多的水果圖片，并告訴他從什么維度進(jìn)行判斷，經(jīng)過足夠長(zhǎng)時(shí)間的學(xué)習(xí)，他才能在看到水果時(shí)作出準(zhǔn)確的判斷。
例如在KEPLER 90i??的建立過程中，清華長(zhǎng)三角研究院許多先將多肽進(jìn)行編碼，變成計(jì)算機(jī)可識(shí)別的語言，從“教孩子認(rèn)字”學(xué)起，才能實(shí)現(xiàn)后期對(duì)1000多種肽的鑒定。
但目前，一些擁有實(shí)力的生物醫(yī)藥企業(yè)，均擁有自己的數(shù)據(jù)庫和算法，但數(shù)據(jù)的孤島效應(yīng)使得各方的數(shù)據(jù)和算法兼容性較差。
沒有足夠多量的精準(zhǔn)的數(shù)據(jù)和結(jié)果對(duì)應(yīng)，會(huì)降低干實(shí)驗(yàn)（AI預(yù)測(cè)）與濕實(shí)驗(yàn)（實(shí)際測(cè)試）結(jié)果的一致性。因此，美妝科研只能在一些確定性較高的領(lǐng)域充分“相信”干實(shí)驗(yàn)的結(jié)果。
另一個(gè)難題在于，AI美妝科研領(lǐng)域應(yīng)用的準(zhǔn)入門檻較高，相應(yīng)的人才較為匱乏。
由于涉及到大計(jì)算機(jī)科學(xué)和生物學(xué)、網(wǎng)絡(luò)藥理學(xué)等多個(gè)學(xué)科的跨界，一家公司完全掌握AI模型的應(yīng)用需要數(shù)年的時(shí)間，且還需要大量專業(yè)人才的培養(yǎng)。
“用AI的人不太懂生物，懂的人不太會(huì)用AI，需要一個(gè)學(xué)習(xí)過程?！泵氟Q祥打趣地說道?！八惴ㄊ且粋€(gè)黑盒，將藥學(xué)家、生物學(xué)家、算法設(shè)計(jì)人員，在企業(yè)內(nèi)整合到一起并不容易?！?/p>
更讓美妝企業(yè)難以適從的是，AI技術(shù)更新迭代太快。
短短6年時(shí)間，AlphaFold已經(jīng)完成3次迭代，并不斷增加參數(shù)維度，提升計(jì)算的復(fù)雜度。事實(shí)上在計(jì)算生物學(xué)的研究思路之下，干濕結(jié)合的數(shù)據(jù)閉環(huán)也在不斷迭代，通過“假設(shè)-驗(yàn)證-優(yōu)化假設(shè)”的方式，不斷提升研發(fā)效率。
技術(shù)的加速迭代，對(duì)使用者也提出了更高的要求。
從整體上來看，科研端依舊對(duì)AI的應(yīng)用保持積極的態(tài)度。馬劍鵬表示“人工智能技術(shù)是新時(shí)代的望遠(yuǎn)鏡，也是顯微鏡” 。顯微在于AI帶來更精準(zhǔn)、高效的研發(fā)模式，而望遠(yuǎn)鏡則指AI在未來大量應(yīng)用的確定性。
雖然目前AI模型還只是美妝科研的一個(gè)輔助工具，但可以預(yù)見的是，未來隨著更多企業(yè)的入局，以及AI自身的加速迭代，會(huì)有更多實(shí)際成果應(yīng)用到美妝領(lǐng)域。
而今年一系列AI相關(guān)諾獎(jiǎng)的出爐，正是對(duì)AI未來廣闊應(yīng)用前景的一個(gè)積極預(yù)言。
注：
[1] 毛開云，江源，袁銀池，張華，周麗萍，江洪波 2023年計(jì)算生物學(xué)科技發(fā)展態(tài)勢(shì)
[2] Mordor Intelligence. 計(jì)算生物學(xué)市場(chǎng)規(guī)模和份額分析- 增長(zhǎng)趨勢(shì)和預(yù)測(cè)(2023-2028)[EB/OL]. [2023-12-25].
校對(duì)/桂玉茜