Atlas数据联盟启动：五家创始成员每季度各设计一百万个蛋白互作亲和力测量，数据共享而非共享模型
核心概要
A-Alpha Bio 发起 Atlas 数据联盟，试图用共享实验数据而非共享模型来解决蛋白模型训练数据不足的问题。此前的数据共享多依赖联邦学习，只能汇集各公司已有数据，无法扩大总量。联盟由五家创始成员每季度各设计一个含一百万个蛋白-蛋白亲和力测量的数据块，全部在 AlphaSeq 平台上按统一条件生成，按非独占许可季度发布给所有成员。首个联盟聚焦 VHH 重链抗体可变域，其他骨架的联盟预计自 2027 年起启动。
深度剖析
Atlas 数据联盟把数据共享的对象从训练好的模型换成按统一实验条件新生成的亲和力测量，成员拿到的是原始测量而非共识模型。 此前的共享尝试以联邦学习为主，例如 MELLODDY 项目联合 10 家大型药企在不转移数据的前提下训练共享模型，后续还有 TuneLab 和 FAITE 等计划。 联盟于七月公开启动，创始成员包括 GSK、Boltz、Cradle 和 Dyno Therapeutics，共五家；A-Alpha 称所有数据都在 AlphaSeq 平台上按标准条件生成，再按季度汇集发布。
每个成员每季度设计一个数据块，即一百万个蛋白-蛋白亲和力测量，围绕一个机器学习目标组织，A-Alpha 另外设计若干数据块，规模随成员增加而扩大。 公开数据是为特定项目、特定问题或特定申报而生成，并非为训练可泛化的蛋白设计模型而设计。 首个联盟聚焦 VHH，即仅重链抗体的可变域；成员共用同一骨架，因此任一成员设计的数据块对其他成员的模型都高度相关，聚焦 scFv/IgG 等其他骨架的联盟预计自 2027 年起启动。
启示与展望
已展示的范围是联盟的组织结构、数据块规格和 AlphaSeq 上的统一测量流程，首个联盟限定于 VHH 骨架，面向从事抗体与蛋白设计的模型开发者和药企研发团队。材料提到聚焦 scFv/IgG 等其他骨架的联盟预计自 2027 年起启动，并称团队正在准备一份关于亲和力景观的配套分析，计划于今年晚些时候发表。
材料自述对所需数据量的外推可能有偏差，但对数量级有信心，并称该量级远超领域多数机构的规划；作者同时指出，更难的 epitope 以及 pH 敏感性、双特异性等目标还需要更多数据。材料还指出，亲和力本身依赖测量情境，跨实验室汇总的数据可能让模型学到实验室特征而非生物学规律。