در اواخر سال 2020، جامعه زیستشناسی ساختاری شاهد تحولی بیسابقه بود که بسیاری آن را غیرممکن میدانستند. در چهاردهمین دوره مسابقات «ارزیابی انتقادی روشهای پیشبینی ساختار پروتئین» (CASP14)، هوش مصنوعی دیپمایند (DeepMind) موسوم به آلفافولد ۲ (AlphaFold 2) توانست به دقتی در سطح اتمی برای پیشبینی ساختار پروتئینها دست یابد. این دستاورد چشمگیر،终止 不仅 نه تنها عملکرد تمام روشهای پیشین را با اختلالی سنگین پشت سر گذاشت، بلکه راه را برای حل یکی از بزرگترین چالشهای تاریخ زیستشناسی هموار کرد.
چالش تاخوردگی پروتئین؛ معمای نیمقرن اخیر
پروتئینها از زنجیرههایی از اسیدهای آمینه تشکیل شدهاند که بهصورت خودبهخودی به ساختارهای سهبعدی پیچیدهای تا میخورند. شناخت دقیق این ساختار سهبعدی، کلید درک عملکرد زیستی هر پروتئین در بدن است. تا پیش از این، تعیین آزمایشگاهی این ساختارها با تکنیکهایی نظیر بلورنگاری پرتو ایکس و میکروسکوپ الکترونی برودتی، فرایندی بهشدت پرهزینه و زمانبر بود.
طی حدود 60 سال تلاش آزمایشگاهی، دانشمندان موفق شدند ساختار تنها 170 هزار پروتئین را شناسایی کنند؛ در حالی که تخمین زده میشود بیش از 200 میلیون پروتئئین در سراسر اشکال حیات وجود دارد. رقابت CASP نیز از سال 1994 پایهگذاری شد تا با ترغیب جامعه علمی، سرعت کشف ساختارها را افزایش دهد، اما تا سال 2016 بهترین الگوریتمها در دشوارترین موارد تنها به امتیاز 40 از 100 در معیار «آزمون فاصله سراسری» (GDT) میرسیدند.
موتور تغییر: از آلفافولد ۱ تا معماری سرتاسری
نسخه اول آلفافولد در سال 2018 توانست رتبه نخست این رقابتها را به دست آورد. این سامانه از طریق استخراج اطلاعات پایگاههای داده عظیم، تغییرات همبسته باقیماندههای اسید آمینه را بررسی میکرد و نقشه تماس آنها را به نقشه فاصله تبدیل مینمود. با این حال، این نسخه همچنان بر پایه ماژولهای مجزا و پتانسیلهای انرژی مبتنی بر قوانین فیزیک بنا شده بود.
اما آلفافولد ۲ یک بازطراحی اساسی را تجربه کرد. تیم دیپمایند رویکرد ماژولار و هدایتشده با فیزیک را کنار گذاشت و یک چارچوب یکپارچه یادگیری عمیق سرتاسری (End-to-End Deep Learning) را جایگزین آن کرد. در این رویکرد جدید، ستون فقرات پروتئین همچون گازی از اجسام صلب سهبعدی مدلسازی میشود و هوش مصنوعی مستقیماً ساختار نهایی زنجیره را میآموزد.
دریچه ایفوفرمر و درک محدودیتهای ساختاری
هسته اصلی این هوش مصنوعی بر پایه یک معماری دومرحلهای بنا شده که تمامی پارامترهایش بهصورت مشترک بهینه میشوند. بخش اصلی این معماری ایفوفرمر (EvoFormer) نام دارد که ورودیهای خود را از همترازیهای چندگانه توالیها (MSA) و ساختارهای الگویی دریافت میکند.
ایفوفرمر اطلاعات را در دو مسیر سطری و جفتی بازنمایی میکند. سازوکار توجه (Attention) در این شبکه بهصورت متناوب روی توالیها اعمال شده و از طریق بهروزرسانیهای ضربی مثلثی، دقیقترین محدودیتهای ساختاری را استخراج میکند. این معماری هوشمند به هوش مصنوعی اجازه میدهد تا بدون نیاز به درک فیزیک کلاسیک، ساختار سهبعدی نهایی پروتئین را با دقت آزمایشگاهی خلق کند و افقهای تازهای را در حوزههایی چون کشف دارو و مهندسی زیستی پیش روی پژوهشگران بگشاید.
