ChatGPT 人工智能 GPT4 伦理 生成式 医疗 监管 安全 机器学习 深度学习 神经网络 计算机视觉 强化学习 模型 算法 应用 开发 研究 工具 平台 框架 数据集 训练 部署 安全 合规 培训 投资 LLM,llm AI,ai,Ai 大模型 大语言模型 制图 生图 绘图 文生图 文生视频 生成式AI AGI 世界模型 sora chatGPT,chatgpt,ChatGpt claude openai Llama deepseek midjourney 红熊猫模型 Red panda,panda Stable Diffusion,StableDiffusion,stable DALL- E 3 DALL E DALL Flux,flux 扩散模型 混元大模型 文心一言 通义千问 可灵 Pika PixelDance 豆包 月之暗面 零一万物 阶跃星辰 搜索增强 MiniMax Talkie Agent prompt fastai LangChain TTS 微调 提示词 知识库 智能体
# 热门搜索 #
搜索
AI+生命科学,下一个美业增量大风口?
3390点击    2024-11-05 14:25

被AI赋能的生命科学正改变美妆科研的底色。


来自生命科学的前沿研究,始终是化妆品行业创新的重要源泉。而在探索生命科学的边界中,人工智能 (以下简称:AI) 技术正成为一个不可或缺的研究工具,尤其是在蛋白质科学领域,AI技术的应用正在揭开蛋白质的神秘面纱。 


在AI与生命科学深度融合的背景下,2024年诺贝尔化学奖颁给了Demis Hassabis、John Jumper和David Baker,以表彰他们借助AI和计算技术在蛋白质结构预测和设计领域的革命性贡献。这一发现不仅彻底改变了蛋白质科学的研究范式,也开启了生命科学的新纪元。


瑞德林副总裁寿翀在接受聚美丽采访时也表示,“在美妆领域,AI+生命科学的应用价值是确定的,应用趋势也是确定的。AI+生命科学,可为美妆发展带来新的增量,或将成为新的行业风口。”


因此,本文旨在引介最新诺奖技术,结合市场需求与行业趋势,解读AI+生命科学在化妆品领域的应用现状与未来潜力,并探讨背后的挑战与可能性。


01 揭秘蛋白质,AI开启生命科学新纪元


今年的诺贝尔化学奖,一半授予谷歌旗下DeepMind的Demis Hassabis和John Jumper,另一半授予美国华盛顿大学西雅图分校的David Baker。


△2024诺贝尔化学奖获得者 


三位研究者的突出性贡献主要集中在蛋白质科学领域,且和AI密切相关。具体来看,Demis Hassabis和John Jumper成功利用AI技术预测了几乎所有已知蛋白质的结构,而David Baker则掌握了生命的构建模块,并设计出全新的蛋白质。


蛋白质结构预测的智能化飞跃


长期以来,预测蛋白质的三维结构一直是生物化学领域的一项重大挑战。传统的实验方法,如X射线晶体学和核磁共振,不仅耗时且成本高昂,而且对很多蛋白质来说难以实现。而AI技术的利用为解决这一难题提供了新的途径。


AlphaFold2,一种由Demis Hassabis和John Jumper领导的DeepMind团队开发的AI模型,其采用全新的神经网络架构,能够更有效地学习蛋白质序列和结构之间的关系。尤其是,该AI模型可将蛋白质结构预测的精度提高至接近实验级水平,从而解决了困扰生命科学界50多年的难题。


△使用AlphaFold2预测的蛋白质结构 


通过AlphaFold2,Demis Hassabis和John Jumper已经能够预测,几乎所有2亿个已经被研究人员识别的蛋白质结构。自该项突破性技术公开以来,来自190个国家的200多万人已经使用了AlphaFold2。


蛋白质设计的个性化与精准化


除了预测蛋白质结构,科学家们还致力于从头设计自然界不存在的全新蛋白质,以满足各种需求,例如开发新药、酶和生物材料等。


作为蛋白质设计领域的先驱之一,David Baker开发了用于蛋白质设计的Rosetta程序,该程序基于蛋白质结构和能量函数的原理,可以根据用户的需求设计出全新的、自然界中不存在的蛋白质结构。这一突破性成就证明了从头设计蛋白质的可行性,并为构建具有全新功能的蛋白质开辟了道路。


△利用Rosetta程序开发的蛋白质 


AlphaFold2和 Rosetta的出现,标志着蛋白质科学进入了一个全新的纪元。这两个突破性成就,将在医学、药学、材料科学以及生物技术等领域产生深远影响。


而近年来随着生物技术的快速发展,计算生物学、生物信息学等基于计算机以及AI技术在药物研发等领域逐步应用,并开始延申到化妆品行业的原料自主创新领域,赋能化妆品行业上游发展。


02 AI的渗透,重构蛋白类原料研究的底层逻辑


从很多美妆品牌的成长与发展来看,研发原料是其中绕不开的一个环节。然而在现实情况中,原料的开发和创新始终存在着较高的技术门槛。


就多肽及蛋白类原料而言,其开发过程中主要面临活性鉴定、精准设计、生产效率等方面的困难。而借助AI在蛋白质科学领域的革新技术,能够加快突破这些原料技术障碍。


AI赋能生物研发,预测更高活性和靶点清晰的肽类成分


肽类成分的开发通常会经历三个阶段,从发现成分,到临床前的生物活性测试,再到临床试验。


在AI技术的加持下,原料公司们不仅能够在较短的周期内开发出多款化妆品功效成分,而且可利用生物信息技术更精准地验证成分具体作用功效,象征着更高的成分开发效率。


在国外,总部位于美国的爱尔兰生物技术公司Nuritas搭建了一个使用AI驱动的生物活性肽查找器Magnifier NπΦ,并且借助此平台发现了两种新成分PeptiYouth和PeptiStrong。据该公司表示,借助AI预测的肽可使临床功效验证的成功率提高至80%。


从这个平台的开发过程来看,研究人员从大量天然植物当中,通过专有酶分解得到了数百万种从前未开发的肽,经过实验模型证明这些肽对于受体的作用。结合自然语言处理、数据搜集和管理,他们编织一个庞大的知识图谱,解锁了共超过600万种植物肽的数据。


△生物活性肽查找器 Magnifier NπΦ 


而在国内,与AI技术相关的研究也不只限于概念,而是一直处于发展和进步中。

 

譬如,清华长三角研究院旗下开发了一个KEPLER 90i活性成分发现平台,主要利用计算生物学结合人工智能等综合方法挖掘开发新的功能分子。在此基础上,他们仅历时一年,就成功研发出了能有效缓解黑眼圈问题的两种肽原料——Biocorrectide DC以及具有抗衰修护作用的Retinotide EQ9。


其中,Biocorrectide DC焕颜肽,是一款基于计算生物学和全新微循环靶点结构理性化设计的多肽分子,通过分子动力学模拟和基于人工智能的多肽-蛋白结合力预测交叉验证获得,具有全新的与血液循环相关的黑眼圈靶点的精准调控能力,能够实现熬夜肌黑眼圈的精准修护。在功效设计上,可以和各类经典抗黑眼圈原料协同增效。


另一款Retinotide EQ9立体肽,是通过人工智能深度学习的方法从极具再生抗衰功效的间充质细胞所分泌的大量天然活性肽因子中通过虚拟筛选获得,该多肽分子对光老化的修复效果在胶原蛋白激活等关键指标上,同等浓度甚至要优于同样具备抗衰修护作用的蓝铜肽和玻色因。


此外,未名拾光也建立了一个数据量为百亿级别的“生物多肽活性分子数据库”,通过计算机语言转化,可快速查询任意活性物的基因编码。基于这样的数字化理念,未名拾光从“发现功效活性分子”“设计构建目标分子”和“规模化生产”三个板块,对整个“产学研”过程进行了数字化和智能化改造,构成了“生物智造平台”,用于筛选活性物。


AI聚焦生物制造,为蛋白类原料的理性设计提供新可能


除了活性原料的研发,AI蛋白质的精准设计理念也正从实验室走向实际应用,逐步实现AI+蛋白质设计在化妆品行业的产业化。


作为蛋白质设计中的重要部分,酶工程就在化妆品领域得到了广泛应用。使用AI进行蛋白质设计或优化,不仅可以获得性能更好的酶成分用于个护产品,还能通过优化酶筛选改造效率,提高由酶法制造的活性原料的工业化产量。


譬如,早在2021年,联合利华便通过AI开发出一种用在家用清洁产品中的新型酶,其与原来成分相比更具稳定性,可持续性和性能优势,清洁力还提升了5倍之多。


据了解,这款新型酶是由联合利华和合成生物学公司Arzeda,在18个月内联合开发而来,是家用清洁产品中的关键抗污成分。通过借助Arzeda 的智能蛋白质设计技术™,这款新型酶能够减少水和能源的使用,并可取代家用清洁产品中的石油衍生成分。


可以看到,Arzeda的智能蛋白质设计技术™在短时间内取得的进展,展示了AI技术和生物学的联合应用对家庭护理行业的改变。


此外,聚美丽还了解到瑞德林也在AI技术的加持下,利用酶催化技术,实现了S玻色因、肌肽等特色活性原料的规模化量产。


据寿翀介绍:“在酶的筛选和改造领域,我们使用AI技术和生物计算辅助酶的虚拟筛选,将酶通量提高了100倍,这不仅提升了酶分子的筛选改造效率,还减少了实验室筛选的工作量,极大地降低了研发成本。”


此外,寿翀告诉聚美丽,除了瑞德林外,还有不少国内外企业利用AI+酶筛选技术进行原料开发,比如,拜尔斯道夫在开发美白成分——异丁酰胺基噻唑基间苯二酚(630)时,就运用了AI+数据分析辅助研发,从上万种成分中筛选出有效成分,以人酪氨酸酶为模型测试,最终创造出能够高效抑制黑色素生成的、首个基于人类酪氨酸酶开发的第630号成分。



可以看到,借助AI技术在蛋白质科学领域的突破性成就,一方面,可以简化肽类原料的研发过程,缩短研发周期,显著提升原料研发的效率,同时在大数据驱动的支持下对配方设计做出更为明智的决策。另一方面,还能推动可应用于日化行业的、包含酶等在内的蛋白类活性原料的生物合成及产业化。


“在研发端,除了原料筛选与产品开发,AI技术还被用于打造创新配方,这也是我们正在做的。”寿翀补充道,“比如,麦吉丽就通过AI技术对消费者情绪的分析和解读,开发出了让消费者感到愉悦放松的配方,并应用其产品中。”


03 AI+生命科学,将成美业下一增量大风口?


如今,随着AI与生命科学向美妆领域逐步渗透,AI技术、生命科学、美业的大融合模式正成为行业主流趋势。那么,三者之间的碰撞,将擦出怎样的火花?AI与生命科学的结合,会成为美业的下一个增量大风口吗?


首先,AI技术已成为美业新质生产力的重要引擎。


AI技术正以不可逆的应用趋势,渗透进化妆品研发、生产、营销等各个方面。根据InsightAce Analytic报告,预计2030年全球AI美容化妆品市场规模将达到133.4亿美元,2021年至2030年复合年增长率高达19.7%。这表明AI美妆市场在全球范围内具有巨大的增长潜力。


对于AI技术在美妆的应用现状,寿翀表示:“AI技术在美妆行业中的应用并不广泛,但目前探讨不同的应用场景是AI向美妆渗透的主要途径。”


譬如,瑞德林就将AI技术嵌入到组织管理和生产场景中,据寿翀介绍,“在研发端,我们构建了全新原料研发平台,使用AI技术和生物计算辅助酶的虚拟筛选,大幅提升了酶筛选和优化效率;在生产端,通过数智化(数字化+AI)手段优化生产管理,以订单为驱动实现高效排产;在销售和市场端,我们推出了‘科技护肤我知道’和‘产品百事通’两款AI助理,为销售人员和终端客户提供专业精准的产品知识,全面提升用户和客户体验。”


除了上述场景,“AI技术在营销端也有广泛应用,比如,欧莱雅基于AI技术推出的虚拟试妆服务。”据悉,该服务不仅解决了试妆成本高的痛点,还可提高消费者的购物体验。


此外,“在基于文档的法规与备案智能化方面,AI技术也有较大的应用价值。”


可以看到,从原料筛选到配方研发,从组织管理到产业链优化,从虚拟试妆到法规与备案智能化等,AI技术在美妆领域的应用场景正不断被拓宽。


未来,AI技术的作用只会更加突出,其与美妆融合只会更加深入。AI与美妆的结合绝不仅是跨界,而是一场生产力与生产关系的变革,AI正成为美业新质生产力的重要引擎。


然而,尽管美妆领域AI技术具有广阔的发展前景,但其发展也面临着一些挑战。例如,“AI系统需要大量的数据进行训练和学习,但数据的收集和使用一方面涉及公司核心私有研发数据,另一方面往往涉及个人隐私。”


此外,“美妆AI的商业价值不容易做出来或难以变现,AI方面的人才稀缺等也是其发展过程中会面临的挑战。”


而在监管层面,寿翀则表示,“鉴于AI技术主要是发挥提高通量、提升效率的作用,所以在法规上,AI技术的应用并不存在特别大的障碍。”


其次,AI技术正在改变生命科学的研究范式。


生物技术和信息技术的迅速发展,使生命科学进入了数据爆发的新时代。


随着AI技术在生命科学研究领域持续取得颠覆性突破,AI驱动的生命科学研究新范式呼之欲出,包括蛋白质领域等在内的生命科学进入了一个全新的纪元。此次的诺贝尔化学奖正是最好的印证。


最后,生命科学为美妆技术创新提供重要来源。


生命科学上游技术的层层渗透与溢出,推动了化妆品行业一波又一波的创新浪潮,由此,其也成为化妆品行业重要的技术创新来源。


甚至可以说,在如今的化妆品行业中,把握住生命科学领域的主流技术方向,就等于抓住了未来行业发展的机遇。


总的来看,AI+生命科学+美妆或将成为美业增量新的风口,在此背景下,如何进一步拥抱科技美容新蓝海,引领未来美业发展的新方向,将是全体化妆品从业者亟需思考的时代命题。


文章来自于微信公众号 “聚美丽”,作者“沐沐”


AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
AI数据分析

【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。

项目地址:https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file

本地安装:https://www.deepbi.com/

【开源免费airda(Air Data Agent)是面向数据分析的AI智能体,能够理解数据开发和数据分析需求、根据用户需要让数据可视化。

项目地址:https://github.com/hitsz-ids/airda