۹ اکتبر ۲۰۲۴، نام فرهنگستان پادشاهی علوم سوئد به همراه اعلام برندگان جایزه نوبل شیمی، مرزی قدیمی میان بیولوژی و فناوری را برای همیشه درنوردید. هوش مصنوعی دیگر تنها یک ابزار محاسباتی نیست؛ اکنون معمار تحول در درک زیستشناسی است. جوایز امسال که به دیوید بیکر از دانشگاه واشنگتن و موسسه هوارد هیوز برای طراحی محاسباتی پروتئینها و به تنهایی به دمیس هاسابیس و جان جامپر از گوگل دیپمایند برای پیشبینی ساختار پروتئین تعلق گرفت، تأییدی رسمی بر این حقیقت علمی بود. در کانون توجه جهانیان، الگوریتم آلفافولد قرار داشت که معضلی نیمقرنی را برای پژوهشگران زیستشناسی حل کرد.
پایان یک کابوس نیمقرنی: پیشبینی ساختار پروتئین
پروتئینها ماشینهای مولکولی حیات هستند. آنها مسئول هدایت واکنشهای شیمیایی، تولید هورمونها، ساخت آنتیبادیها و شکلگیری بافتهای پیچیده بدناند. بدون این مولکولها، فرآیندهای حیاتی ایست میکنند. توالی اسیدهای آمینه درون پروتئین مستقیماً نحوه تا خوردن و شکل نهایی سهبعدی آن را تعیین میکند. همان ساختار سهبعدی است که کارکرد زیستی پروتئین را مشخص میسازد. درک این فرآیند از دهه ۱۹۷۰ میلادی، یکی از بزرگترین چالشهای فیزیوشیمی محسوب میشد. روشهای آزمایشگاهی مانند کریستالوگرافی پرتو ایکس یا امواج رزونانسی هستهای، فرآیندی بسیار پرهزینه، کند و وابسته به مهارتهای تخصصی بودند.
ورود هوش مصنوعی به میدان، این کابوس را پایان داد. مدل آلفافولد دو که در سال ۲۰۲۰ معرفی شد و مقاله آن در ۲۰۲۱ منتشر گردید، با بهرهگیری از شبکههای عصبی عمیق و یادگیری ماشین، توانست الگوهای پیچیده تکاملی و فیزیکی حاکم بر تا خوردن پروتئینها را الگوریتمی کند. این دستاورد در کمتر از دو دهه، دایره مرجع پروتئینی زمین را کامل کرد و مسیر پژوهشهای علمی را هموار ساخت.
آلفافولد، پیشران اکوسیستم علمی جهان
اثرات این مدل فراتر از یک مقاله علمی روال کاغذ رفته است. دسترسی عمومی و رایگان به نتایج محاسباتی، سرعت پیشرفت علوم زیستی را دگرگون کرده است. بر اساس آمارهای منتشر شده از سوی تیم توسعهدهنده و مراجع مستقل:
- پذیرش سراسری: بیش از ۲ میلیون پژوهشگر از ۱۹۰ کشور جهان به پایگاه داده آلفافولد دسترسی دارند و از نتایج آن برای طراحی دارو، مهندسی آنزیم و مطالعات تکاملی بهره میبرند.
- جایگاه استنادی: مدلهای این سیستم در بیش از ۳۵ هزار مقاله علمی به عنوان مرجع ذکر شدهاند. آمار نشان میدهد بیش از ۲۰۰ هزار پژوهش، مستقیماً از خروجیهای این الگوریتم در متدولوژی خود استفاده کردهاند.
- شتاب در کشفیات: تحلیلهای مستقل نشان میدهد استفاده از این ابزار، نرخ ارائه ساختارهای تازه را تا حد چشمگیری افزایش داده است و محققان را از گلوگاههای زمانی و هزینهبر روشهای سنتی آزاد کرده است.
تیم موفق این پروژه، ترکیبی از دانش عمیق بیوانفورماتیک و مهندسی نرمافزار است. دمیس هاسابیس با سوابق پیشین در توسعه بازیهای ویدیویی و بنیانگذاری گوگل دیپمایند، چشماندازهای بلندپروازانهای از هوش مصنوعی ترسیم میکند. جان جامپر نیز به عنوان معمار اصلی الگوریتم، نقش کلیدی در مهندسی معماری شبکه عصبی ترنسفورمر برای پردازش توالیهای آمینه ایفا کرد.
پیامدهای زیستپزشکی و آینده درمانهای هدفمند
حل معمای ساختار پروتئین، دریچهای بیپایان به سوی پزشکی دقیق گشوده است. بیماریهای پیچیدهای نظیر آلزایمر، پارکینسون و برخی سرطانها، ریشه در نقص یا تا خوردگی اشتباه پروتئینها دارند. آلفافولد به دانشمندان این امکان را میدهد که دقیقاً پیشبینی کنند چگونه یک دارو یا مولکول کوچک بتواند به صورت دقیق به یک سایت فعال پروتئینی متصل شود. این رویکرد، دوره طراحی دارو که پیشتر دهها سال زمان میبرده، به ماهها کاهش میدهد.
دیوید بیکر، برنده بخش دیگر جایزه نوبل ۲۰۲۴، مسیر کاملاً متفاوتی را طی کرد. او با تمرکز بر طراحی صفر، نشان داد که علاوه بر پیشبینی ساختارهای طبیعی، هوش مصنوعی میتواند پروتئینهای کاملاً جدیدی را خلق کند که در طبیعت وجود ندارند. این پروتئینهای مصنوعی پتانسیل بالایی در ذخیرهسازی انرژی، تجزیه پلاستیکها و ساخت واکسنهای پیشرفته دارند.
ترکیب پیشبینی ساختار و طراحی محاسباتی، استانداردهای جدیدی در بیوتکنولوژی تعریف کرده است. اکنون مرز میان شبیهسازی رایانهای و آزمایشگاه فیزیکی به شدت کمرنگ شده است. پژوهشگران میتوانند هزاران سناریو را در محیط دیجیتال تست کنند، سپس تنها چند کاندیدای نهایی را در آزمایشگاه بررسی نمایند. این همافزایی، کاتالیزوری برای نسل بعدی انقلابهای دارویی و زیستی محسوب میشود و نشان میدهد آینده کشفیات علمی در گرو تعامل عمیق بین الگوریتمهای یادگیرنده و آزمایشهای زیستی است.
