AI 在药物研发和疾病研究中的价值越来越明确，但前沿模型要真正变成实验室里的常用工具，门槛并不低。MIT News 介绍的 OpenProtein.AI，正试图把这些模型从少数机器学习专家手里，扩展到更广泛的生物学研究者群体。
这家公司由 Tristan Bepler 与前 MIT 副教授 Tim Lu 共同创立，平台面向药企、生物技术公司和学术研究人员，提供蛋白质设计、结构和功能预测以及模型训练工具。对高校研究者而言，该平台还提供免费使用方式。
从蛋白质语言模型到无代码平台
Bepler 在 MIT 读博期间就开始研究如何用进化数据理解蛋白质，并在 AlphaFold 问世前后参与推动了早期的蛋白质生成式模型研究。团队后来把这种思路发展成所谓的蛋白质语言模型，希望从序列中直接学习与结构、功能相关的规律。
OpenProtein.AI 的核心产品并不是单一模型，而是一套更贴近实验人员的使用界面。研究者可以上传数据，调用包括 PoET 在内的模型做序列优化、结构验证和候选筛选，而不必自己搭建 GPU 环境、处理微调流程或理解复杂训练细节。
降低使用门槛，扩展生物学家的选择
PoET 的思路是基于蛋白质家族训练模型，让系统学会在相关蛋白之间进行泛化，并能在不重新训练底层模型的情况下吸收新的实验数据。平台既提供无代码前端，也提供 API，方便既有生物实验团队和更偏工程化的团队分别接入。
OpenProtein.AI 押注的是一个更广的方向：如果前沿基础模型只掌握在少数会写代码、懂训练栈的人手里，AI 改变生物学研发的速度就会受限；只有把工具产品化、界面化，更多科研人员才能把注意力放回到实验问题本身。
