提到蛋白质，人们往往会联想到鸡蛋、牛奶等日常食物。但在科学家眼中，蛋白质不仅是营养来源，更是解决环保、医疗、工业等难题的“生物工具”。然而，传统蛋白质设计周期长、成本高、成功率低，成为制约生物技术产业化的瓶颈。如何破解这一难题？杭州努咖智能科技有限公司自主研发的LUCA-AI平台，正通过人工智能重构蛋白质设计范式，为生物制造产业装上 “数字引擎”。

“蛋白质的序列就像自然语言的字母组合，结构则像一张三维‘照片’，而AI正是破解这种‘生物密码’的最佳工具。”努咖智能创始人兼CEO唐进向记者介绍。这位拥有计算机背景的科学家，带领团队将人工智能与大语言模型技术迁移至生物领域，开发出先进的高价值蛋白质挖掘设计平台。

LUCA-AI的核心原理，是通过分析地球数十亿年进化中积累的近百亿条蛋白质序列，训练出能预测蛋白质功能与结构的AI模型。“就像搜索引擎抓取网页信息一样，我们从海量数据中筛选出目标序列，再用AI模拟优化，最终‘定制’出满足需求的蛋白质。”唐进解释道，这一过程将传统需要数周甚至数月的蛋白质设计周期，缩短至几小时。

谈及平台竞争力，唐进总结了三大核心优势——

其一，海量数据驱动精准设计。LUCA-AI已整合全球近百亿条微生物蛋白质序列，构建起该领域在数据规模和覆盖度上领先的数据库。“数据是AI模型的‘燃料’，只有足够多的样本，才能训练出高精度的预测模型。”唐进强调。

其二，通用人工智能方法的迁移应用。近年来，大语言模型在文本和图像处理领域取得革命性进展，而LUCA-AI将这一方法论引入生物蛋白领域。通过深度学习蛋白质序列与结构的关系，平台能够以极低的成本模拟实验，大幅缩短研发周期。

其三，智能云平台降低技术门槛。平台内置16种常用计算工具，用户亦可自定义工具，然后像“搭积木”一样拼装计算流程，即使是非生物背景的研究者也能快速上手。“我们希望打造一个‘乐高式’的工具箱，让跨学科科学家都能参与蛋白质设计。”唐进说。

目前，LUCA-AI平台已在多个领域取得突破性成果：例如，团队与南京师范大学相关团队合作，利用机器学习优化微生物合成EPA（一种降血脂的ω-3脂肪酸）。通过构建30个菌株训练集，仅3轮迭代便将EPA含量提升至59%。“传统方法需耗时数年，而我们用AI大幅缩短了研发周期。”

PET塑料的降解曾是全球难题，传统酶在50℃工业环境中极易失活。团队从微生物库中筛选出22条候选序列，经AI优化改造后，成功获得在高温下保持活性的降解酶。“这项技术已经过小试验证，未来有望解决白色污染问题。”唐进透露。

项目的快速落地，离不开杭州创新生态的支持。“之江实验室为我们提供了关键技术验证场景，杭州技术转移转化中心在企业画像、成果推荐、知识产权保护、产业化对接上给予了极大帮助。”唐进还提到，多家本土投资机构的早期投入，像杭州市科创集团合作的之科成果转化基金的支持等，也加速了技术从实验室走向生产线。

“蛋白质不仅是生命的基石，更可以成为解决问题的‘工具’。”在唐进的构想中，蛋白质的潜力远不止于当前应用。未来几年，LUCA-AI平台将聚焦环保、食品加工、化纤化工等领域，挖掘更多功能性酶。

、杭州技术转移转化中心

编辑：陈路漫