ไม่เพียงแต่มนุษย์เท่านั้นที่สามารถทำนายโรคทางพันธุกรรมและสร้างยาชนิดใหม่ได้ แต่ยังสามารถทำนายโรคทางพันธุกรรมได้
นักชีววิทยาศึกษาโปรตีนของมนุษย์อย่างไร?
มาร์ติน เบ็ค นักชีววิทยาระดับโมเลกุลมากว่า 10 ปีร่วมกับเพื่อนร่วมงานพยายามสร้างแบบจำลองโดยละเอียดของคอมเพล็กซ์รูพรุนนิวเคลียร์ เบ็คเรียกมันว่าเครื่องจักรโมเลกุลที่ใหญ่ที่สุดในเซลล์มนุษย์ คอมเพล็กซ์รูพรุนนิวเคลียร์ควบคุมการไหลของโมเลกุลที่ไหลเข้าและออกจากนิวเคลียสของเซลล์ไปยังที่ที่จีโนมอาศัยอยู่ คอมเพล็กซ์ดังกล่าวหลายร้อยรายการมีอยู่ในทุกเซลล์ แต่ละตัวประกอบด้วยโปรตีนมากกว่า 1,000 ชนิด
ชิ้นส่วนหลายพันชิ้นเหล่านี้สร้างโปรตีนมากกว่า 30 ชนิดการสร้างบล็อคที่เชื่อมโยงกันในรูปแบบต่างๆ ดังนั้นการทำงานกับพวกมันจึงยากยิ่งกว่า ในปี 2016 ทีมงานที่นำโดย Beck ที่สถาบัน Max Planck Institute for Biophysics (MPIB) รายงานว่าพวกเขาได้สร้างแบบจำลองที่อธิบายประมาณ 30% ของความซับซ้อนของรูพรุนของนิวเคลียสและเกือบครึ่งหนึ่งของหน่วยการสร้าง หรืออีกนัยหนึ่งคือ โปรตีน Nup
อัลกอริทึมเรียนรู้โปรตีนของมนุษย์ได้อย่างไร
ในเดือนกรกฎาคม 2021 DeepMind ซึ่งเป็นส่วนหนึ่งของAlphabet บริษัทแม่ของ Google เปิดตัว AI ชื่อ AlphaFold ซอฟต์แวร์นี้สามารถทำนายรูปร่างสามมิติของโปรตีนจากลำดับทางพันธุกรรมได้ การคำนวณดำเนินการด้วยความแม่นยำสูง สิ่งนี้ได้เปลี่ยนแปลงงานและความสนใจของนักชีววิทยาอย่างจริงจัง
การใช้ AlphaFold นักวิทยาศาสตร์สามารถทำนายได้รูปร่างของโปรตีนนูปของมนุษย์เป็นอย่างไร และต่อมาพวกเขาได้ตีพิมพ์แบบจำลองที่อธิบาย 60% ของความซับซ้อนของรูพรุนนิวเคลียร์ สิ่งนี้ช่วยให้เข้าใจว่าคอมเพล็กซ์รักษารูขุมขนให้คงที่และควบคุมการไหลของโมเลกุลได้อย่างไร
AlphaFold mania: ทำไม AI ในการศึกษาโครงสร้างของโปรตีนจึงเป็นที่นิยม?
ตามที่นักชีววิทยา ชุมชนวิทยาศาสตร์ทั้งหมดจับ AlphaFold-mania AI ถูกใช้เพื่อการวิจัยจำนวนมาก ในบางกรณี อัลกอริทึมช่วยประหยัดเวลาหรือให้ข้อมูลใหม่ แต่ AI ก็มีข้อจำกัดเช่นกัน: นักวิทยาศาสตร์บางคนพบว่าการคาดการณ์ไม่น่าเชื่อถือเกินไปสำหรับงานของพวกเขา อย่างไรก็ตาม ทุกคนยอมรับว่าอัลกอริธึมจัดการกับการประมวลผลข้อมูลได้ดีกว่าใครๆ
แม้แต่ผู้พัฒนาอัลกอริทึมเองก็ไม่ได้ทำเสมอไปมีเวลาพิจารณาว่าสามารถใช้ในด้านอื่นใดได้บ้าง ดังนั้นพวกเขาจึงมักจะเฝ้าดูในขณะที่ทีมนักวิจัยค้นพบสิ่งใหม่โดยใช้ AlphaFold ตั้งแต่การค้นพบยาและการพัฒนาโปรตีนไปจนถึงต้นกำเนิดของชีวิตที่ซับซ้อน
ในกลางเดือนกรกฎาคม 2021 ในสาธารณสมบัติรหัส AI แบบโอเพ่นซอร์สปรากฏขึ้นรวมถึงข้อมูลอื่น ๆ ที่จะช่วยให้นักวิทยาศาสตร์เริ่มดำเนินการวิจัยดังกล่าวซึ่งเป็นส่วนหนึ่งของงานของพวกเขา หนึ่งสัปดาห์ต่อมา DeepMind ประกาศว่าได้ใช้ AlphaFold เพื่อทำนายโครงสร้างของโปรตีนเกือบทั้งหมดที่มนุษย์สร้างขึ้น โดยรวมแล้ว ทีมวิจัยได้ศึกษาโครงสร้างทางชีววิทยา 365,000 โครงสร้าง ทุกวันนี้ ฐานข้อมูลนี้ได้ขยายไปถึงเกือบล้านโครงสร้างแล้ว
ในปี 2022 DeepMind วางแผนที่จะเปิดตัวรวมคำทำนายเกี่ยวกับโครงสร้างทางชีววิทยาของสิ่งมีชีวิตมากกว่า 100 ล้านครั้ง นี่คือเกือบครึ่งหนึ่งของโปรตีนที่รู้จักทั้งหมด - และจำนวนนี้ยังสูงกว่าโปรตีนที่สามารถหาได้จากการทดลองหลายร้อยเท่า
เครื่องมือนี้ได้ช่วยนักวิจัยค้นพบสิ่งใหม่แล้วพันธมิตรโปรตีนที่มีศักยภาพ นักวิทยาศาสตร์ใช้ AlphaFold เพื่อทำนายโครงสร้างของคู่โปรตีนของมนุษย์ 65,000 คู่ และอีกกลุ่มหนึ่งใช้ AlphaFold และ RoseTTAFold เพื่อสร้างแบบจำลองปฏิสัมพันธ์ระหว่างโปรตีนเกือบทุกคู่ที่เข้ารหัสโดยยีสต์ เป็นผลให้พวกเขาพบมากกว่า 100 คอมเพล็กซ์รูพรุนนิวเคลียร์ที่ไม่รู้จักก่อนหน้านี้
Alpha Fold ทำงานอย่างไร
AlphaFold ใช้โครงข่ายประสาทเทียมเชิงลึกการเรียนรู้: นี่คือโครงสร้างคอมพิวเตอร์ที่ทำงานเหมือนกับสมองของมนุษย์และจดจำรูปแบบในข้อมูล อัลกอริธึมได้รับการฝึกฝนโดยใช้โครงสร้างโปรตีนนับแสนที่ถูกกำหนดโดยการทดลอง หาก AI พบลำดับใหม่ AI จะค้นหาฐานข้อมูลสำหรับกรณีที่คล้ายกันก่อน
AlphaFold วนไปตามคำแนะนำ พยายามจำลองภาพ 3 มิติของกรดอะมิโน ผู้เชี่ยวชาญเชื่อว่าซอฟต์แวร์นี้สามารถนำแนวคิดใหม่ๆ มาใช้กับการเรียนรู้ของเครื่องได้สำเร็จ โดยเฉพาะอย่างยิ่งพวกเขาสังเกตเห็นกลไกพิเศษที่เรียกว่า "ความสนใจ" ซึ่งเป็นตัวกำหนดว่าสารประกอบกรดอะมิโนใดที่สำคัญที่สุดสำหรับการทำงานในช่วงเวลาที่กำหนด
ปัญหาของ AlphaFold คืออะไร?
การคาดคะเน AlphaFold ขึ้นอยู่กับข้อมูลเกี่ยวกับลำดับโปรตีนที่เกี่ยวข้อง ดังนั้น AI จึงมีข้อจำกัดบางประการ ตัวอย่างเช่น อัลกอริธึมไม่สามารถทำนายผลของการกลายพันธุ์ต่อรูปร่างของโปรตีน โดยเฉพาะอย่างยิ่งที่ก่อให้เกิดโรค
นอกจากนี้ยังไม่สามารถตรวจจับได้ว่าโปรตีนเปลี่ยนแปลงไปอย่างไรรูปร่างเนื่องจากโปรตีนหรือโมเลกุลที่มีปฏิสัมพันธ์อื่น ๆ เช่นยา แต่แบบจำลองสามารถประเมินความมั่นใจในการทำนายของตัวเองสำหรับหน่วยกรดอะมิโนของโปรตีนแต่ละหน่วย ณ เดือนสิงหาคม 2022 DeepMind รายงานว่าผู้คนมากกว่า 400,000 คนได้ใช้ฐานข้อมูล AlphaFold EMBL-EBI
อัลกอริธึมดังกล่าวจะช่วยคนทั่วไปได้อย่างไร?
นักวิจัยจากบริษัทเภสัชกรรมและเทคโนโลยีชีวภาพรู้สึกตื่นเต้นกับศักยภาพของ AlphaFold และกล่าวว่าอัลกอริทึมกำลังช่วยในการค้นพบยาใหม่ๆ
กะเหรี่ยง Akinsanya หัวหน้าฝ่ายพัฒนาการพัฒนาการบำบัดที่ Schrödinger เธอและเพื่อนร่วมงานของเธอได้ทำงานร่วมกับ AlphaFold โดยให้ผลลัพธ์ที่เรียกได้ว่าประสบความสำเร็จ พวกเขาสามารถพัฒนาสารประกอบที่อาจกลายเป็นยาได้
อ่านเพิ่มเติม:
MIT สร้างเครื่องยนต์ความร้อนแบบอยู่กับที่ซึ่งทำงานได้ดีกว่ากังหัน
หลังจากทำงานมา 10 ปี นักวิทยาศาสตร์ได้ตั้งคำถามเกี่ยวกับแบบจำลองมาตรฐานของฟิสิกส์
ดูว่าพระอาทิตย์ขึ้นบนดาวอังคารเป็นอย่างไร