Neo-1 – VantAI 推出的首個原子生成式AI模型

Neo-1 是 VantAI 推出的首款將從頭分子生成與原子級結構預測整合的人工智能模型。它不僅能夠精確預測生物分子結構，還能創造全新的分子，尤其在分子膠等創新療法的設計中表現卓越。通過多模態輸入功能，Neo-1 可以處理部分序列、結構和實驗數據等多樣信息，顯著提升藥物設計的效率和準確性。此外，Neo-1 與 VantAI 的 NeoLink 平臺相結合，通過交聯質譜法生成稀疏結構約束，推動了結構生物學的進步。

Neo-1是什么

Neo-1 是 VantAI 首次推出的一款全球領先的人工智能模型，能夠將從頭分子生成與原子級結構預測完美結合。其主要功能包括預測生物分子的結構并生成新分子，尤其在開發新型治療藥物如分子膠方面表現尤為出色。Neo-1 的多模態輸入能力使其能夠接受多種輸入形式，如部分序列、部分結構和實驗數據，這極大地提升了藥物設計的靈活性與準確性。結合 VantAI 的 NeoLink 平臺，Neo-1 能通過交聯質譜法生成稀疏的結構約束，進而構建出完整的原子級分辨率結構，推動了結構生物學的進一步發展。

Neo-1的主要功能

• 整合生成與預測：Neo-1 是首個將從頭分子生成與原子級結構預測結合的模型。它通過生成分子的潛在表示，而非簡單預測原子坐標，能夠有效預測生物分子結構并創造全新分子。
• 多模態輸入能力：Neo-1 具有強大的多模態輸入功能，能夠處理部分序列、部分結構及實驗數據等多種信息，顯著增強了模型的靈活性與適用性。
• 大規模訓練架構：Neo-1 是生物學領域中最大的一款基于擴散的模型之一，使用數百個 NVIDIA H100 GPU 在結構和合成數據集上進行訓練。
• 定制化數據集與工具：Neo-1 整合了 VantAI 自有的 NeoLink 數據集及與 NVIDIA 合作開發的 PINDER 和 PLINDER 工具，提升了模型的整體性能。

Neo-1的技術原理

• 潛在空間的擴散過程：Neo-1 將傳統的坐標空間擴散過程轉移至潛在空間。這一創新使模型能在更平滑的序列與結構景觀中進行推理，生成全新分子，包括蛋白質、肽和小分子，并以原子級精度預測其結構。
• 大規模訓練及定制數據集：作為生物學中最大的擴散模型之一，Neo-1 通過數百個 NVIDIA H100 GPU 在結構與合成數據集上進行訓練，同時結合了 VantAI 的 NeoLink 數據集及 NVIDIA 開發的 PINDER 和 PLINDER 工具，極大提升了模型性能。
• 精準的分子生成與結構預測：Neo-1 采用“粗到細”的生成策略，能根據整體分子結構施加中間獎勵，引導分子生成達到特定目標，與傳統自回歸模型相比更具靈活性。

Neo-1的項目地址

• 項目官網：https://www.vant.ai/neo-1

Neo-1的應用場景

• 分子膠設計：Neo-1 能為復雜靶點設計新型治療藥物，如分子膠，將傳統需要數年的研究時間縮短為數周。
• 蛋白質復合物結構預測：Neo-1 能夠預測多種生物分子復合物的結構，包括三元復合物、抗體-抗原相互作用以及蛋白質-肽復合物。
• NeoLink 數據平臺的應用：Neo-1 與 VantAI 的 NeoLink 數據平臺緊密結合，利用交聯質譜法生成的稀疏結構約束，組裝出完整的原子級分辨率結構。
• 抗體發現：Neo-1 可實現從頭到尾的合理抗體發現，接受部分抗體序列與抗原結構作為輸入，同時折疊 VH 抗體片段并生成部分 CDRH3 序列。