AI เพิ่งจำลองการวิวัฒนาการ 500 ล้านปี – และสร้างโปรตีนใหม่!

การวิวัฒนาการได้ปรับแต่งชีวิตที่ระดับโมเลกุลมาเป็นเวลายาวนานหลายพันล้านปี โปรตีน ซึ่งเป็นบล็อกสร้างของชีวิต ได้วิวัฒนาการผ่านกระบวนการนี้เพื่อทำงานทางชีววิทยาที่หลากหลาย ตั้งแต่การต่อสู้กับการติดเชื้อไปจนถึงการย่อยอาหาร โมเลกุลที่ซับซ้อนนี้ประกอบด้วยโซ่อะมิโนแอซิดที่เรียงกันในลำดับที่แน่นอน ซึ่งกำหนดโครงสร้างและหน้าที่ของมัน ในขณะที่ธรรมชาติสร้างโปรตีนหลากหลายชนิด แต่การทำความเข้าใจโครงสร้างและการออกแบบโปรตีนใหม่ทั้งหมดยังคงเป็นความท้าทายที่ซับซ้อนสำหรับนักวิทยาศาสตร์

ความก้าวหน้าล่าสุดในด้านปัญญาประดิษฐ์กำลังเปลี่ยนแปลงความสามารถของเราในการแก้ไขปัญหาที่สำคัญที่สุดของชีววิทยา ในอดีต AI ถูกใช้เพื่อคาดการณ์ว่าลำดับโปรตีนจะพับและทำงานอย่างไร – ความท้าทายที่ซับซ้อนเนื่องจากจำนวนการกำหนดค่าที่มาก ในขณะนี้ AI ได้ก้าวหน้าไปสู่การสร้างโปรตีนใหม่ที่ไม่เคยเห็นมาก่อนในระดับที่ไม่เคยเห็นมาก่อน ความสำเร็จนี้ได้รับการบรรลุโดย ESM3 ซึ่งเป็นโมเดลภาษาแบบหลายโหมดที่ออกแบบโดย EvolutionaryScale ไม่เหมือนกับระบบ AI ทั่วไปที่ออกแบบมาเพื่อประมวลผลข้อความ ESM3 ได้รับการฝึกอบรมให้เข้าใจลำดับโปรตีน โครงสร้าง และหน้าที่ สิ่งที่ทำให้มันโดดเด่นจริงๆ คือความสามารถในการจำลองการวิวัฒนาการ 500 ล้านปี – ความสำเร็จที่นำไปสู่การสร้างโปรตีนฟลูออเรสเซนต์ใหม่ที่ไม่เคยเห็นมาก่อนในธรรมชาติ

การผสมผสานระหว่างการวิวัฒนาการและการออกแบบโปรตีนนี้เป็นขั้นตอนที่สำคัญในการทำให้ชีววิทยามีความสามารถในการเขียนโปรแกรมมากขึ้น โดยเปิดโอกาสใหม่ๆ สำหรับการออกแบบโปรตีนแบบกำหนดเองที่มีการใช้งานในด้านการแพทย์ วิทยาศาสตร์วัสดุ และอื่นๆ ในบทความนี้ เราจะสำรวจว่า ESM3 ทำงานอย่างไร สิ่งที่ได้ทำสำเร็จ และเหตุใดการก้าวหน้านี้จึงเปลี่ยนแปลงความเข้าใจของเราเกี่ยวกับชีววิทยาและการวิวัฒนาการ

พบกับ ESM3: AI ที่จำลองการวิวัฒนาการ

ESM3 เป็นโมเดลภาษาหลายโหมดที่ได้รับการฝึกอบรมให้เข้าใจและสร้างโปรตีนโดยการวิเคราะห์ลำดับ โครงสร้าง และหน้าที่ของโปรตีน ไม่เหมือนกับ AlphaFold ซึ่งสามารถคาดการณ์โครงสร้างของโปรตีนได้ ESM3 จริงๆ แล้วเป็นโมเดลการออกแบบโปรตีน ซึ่งช่วยให้นักวิจัยสามารถกำหนดข้อกำหนดด้านหน้าที่และโครงสร้างเพื่อออกแบบโปรตีนใหม่ทั้งหมด

โมเดลนี้มีความรู้ที่ลึกซึ้งเกี่ยวกับลำดับโปรตีน โครงสร้าง และหน้าที่ พร้อมความสามารถในการสร้างโปรตีนผ่านการโต้ตอบกับผู้ใช้ ความสามารถนี้ทำให้โมเดลสามารถสร้างโปรตีนที่อาจไม่มีอยู่ในธรรมชาติ แต่ยังคงสามารถใช้งานทางชีววิทยาได้ การสร้างโปรตีนฟลูออเรสเซนต์ใหม่ (esmGFP) เป็นตัวอย่างที่น่าประทับใจของความสามารถนี้ โปรตีนฟลูออเรสเซนต์ ซึ่งถูกพบครั้งแรกในแมงกะพรุนและปะการัง ถูกใช้กันอย่างแพร่หลายในการวิจัยทางการแพทย์และไบโอเทค เพื่อสร้าง esmGFP นักวิจัยได้ให้ข้อมูลโครงสร้างและหน้าที่สำคัญของโปรตีนฟลูออเรสเซนต์ที่ทราบกันอยู่แล้วแก่ ESM3 จากนั้นโมเดลก็ปรับแต่งการออกแบบอย่างต่อเนื่องโดยใช้วิธีการให้เหตุผลแบบ chain-of-thought เพื่อเพิ่มประสิทธิภาพของลำดับ ในขณะที่การวิวัฒนาการตามธรรมชาติอาจต้องใช้เวลาหลายล้านปีในการผลิตโปรตีนแบบเดียวกัน ESM3加速กระบวนการนี้ให้เสร็จสิ้นภายในไม่กี่วันหรือสัปดาห์

กระบวนการออกแบบโปรตีนโดยใช้ AI

นี่คือวิธีที่นักวิจัยใช้ ESM3 เพื่อสร้าง esmGFP:

1. การกระตุ้น AI – ในตอนแรก พวกเขาได้ป้อนลำดับและโครงสร้างเพื่อชี้นำ ESM3 ไปยังคุณลักษณะที่เกี่ยวข้องกับการฟลูออเรสเซนต์
2. การสร้างโปรตีนใหม่ – ESM3 สำรวจพื้นที่ที่เป็นไปได้ของลำดับเพื่อสร้างโปรตีนผู้สมัครหลายพันลำดับ
3. การกรองและการปรับแต่ง – การออกแบบที่มีแนวโน้มมากที่สุดถูกกรองและ合성เพื่อทดสอบในห้องปฏิบัติการ
4. การยืนยันในเซลล์ที่มีชีวิต – โปรตีนที่ออกแบบโดย AI ถูกแสดงออกในแบคทีเรียเพื่อยืนยันการฟลูออเรสเซนต์และหน้าที่ของมัน

กระบวนการนี้ส่งผลให้เกิดโปรตีนฟลูออเรสเซนต์ (esmGFP) ที่ไม่เหมือนใคร

การเปรียบเทียบ esmGFP กับโปรตีนตามธรรมชาติ

สิ่งที่ทำให้ esmGFP น่าประทับใจคือความแตกต่างที่มากจากโปรตีนฟลูออเรสเซนต์ที่ทราบกันอยู่แล้ว ในขณะที่โปรตีนฟลูออเรสเซนต์ใหม่ที่ค้นพบส่วนใหญ่มีการเปลี่ยนแปลงเล็กน้อยจากโปรตีนเดิม esmGFP มีความเหมือนกันของลำดับเพียง 58% กับโปรตีนฟลูออเรสเซนต์ตามธรรมชาติที่ใกล้เคียงที่สุด

เมื่อเปรียบเทียบกับประวัติวิวัฒนาการแล้ว ความแตกต่างนี้สอดคล้องกับการแยกทางวิวัฒนาการที่มากกว่า 500 ล้านปี ในช่วงเวลานั้น สัตว์เลี้ยงลูกด้วยนมยังไม่ปรากฏ และชีวิตหลายเซลล์ยังคงอยู่ในระยะเริ่มต้น นี่หมายความว่า AI ไม่ได้เพียงเพิ่มความเร็วของการวิวัฒนาการ แต่ยังจำลองเส้นทางวิวัฒนาการใหม่ที่ธรรมชาติอาจไม่เคยสร้างโปรตีนเหล่านี้

เหตุใดการค้นพบครั้งนี้จึงมีความสำคัญ

การค้นพบครั้งนี้เป็นขั้นตอนที่สำคัญในด้านการวิศวกรรมโปรตีนและทำให้เราเข้าใจการวิวัฒนาการลึกซึ้งยิ่งขึ้น โดยการจำลองการวิวัฒนาการหลายล้านปีในเวลาเพียงไม่กี่วัน AI เปิดโอกาสใหม่ๆ ที่น่าตื่นเต้น:

• การค้นหายาเร็วขึ้น: ยาหลายชนิดทำงานโดยการเป้าหมายโปรตีนเฉพาะ แต่การค้นหาโปรตีนที่ถูกต้องเป็นกระบวนการที่ช้าและแพง โปรตีนที่ออกแบบโดย AI อาจเร่งกระบวนการนี้ ช่วยให้นักวิจัยค้นพบการรักษาใหม่ๆ ได้อย่างมีประสิทธิภาพมากขึ้น
• การแก้ปัญหาใหม่ๆ ในด้านไบโอเอ็นจิเนียริ่ง: โปรตีนถูกใช้ในทุกสิ่ง ตั้งแต่การย่อยสลายของขยะพลาสติกไปจนถึงการตรวจจับโรค ด้วยการออกแบบโดย AI นักวิทยาศาสตร์สามารถสร้างโปรตีนแบบกำหนดเองสำหรับการดูแลสุขภาพ การคุ้มครองสิ่งแวดล้อม และแม้แต่วัสดุใหม่ๆ
• AI ในฐานะผู้จำลองการวิวัฒนาการ: หนึ่งในแง่มุมที่น่าสนใจที่สุดของการวิจัยครั้งนี้คือการวางตำแหน่ง AI เป็นผู้จำลองการวิวัฒนาการ มากกว่าแค่เป็นเครื่องมือสำหรับการวิเคราะห์ การจำลองการวิวัฒนาการแบบดั้งเดิมเกี่ยวข้องกับการวนซ้ำผ่านการกลายพันธุ์ทางพันธุกรรม ซึ่งอาจใช้เวลาหลายเดือนหรือหลายปีในการสร้างผู้สมัครที่มีประสิทธิภาพ ESM3 อย่างไรก็ตาม ข้ามข้อจำกัดเหล่านี้โดยการคาดการณ์โปรตีนที่มีหน้าที่โดยตรง การเปลี่ยนแปลงแนวทางนี้หมายความว่า AI ไม่เพียงแต่เลียนแบบการวิวัฒนาการ แต่ยังสามารถสำรวจความเป็นไปได้ในการวิวัฒนาการที่อยู่นอกเหนือธรรมชาติได้ เมื่อมีพลังการคำนวณที่เพียงพอ การวิวัฒนาการโดย AI อาจค้นพบคุณสมบัติทางชีวเคมีใหม่ที่ไม่เคยปรากฏในโลกธรรมชาติ

ข้อพิจารณาด้านจริยธรรมและการพัฒนา AI อย่างมีความรับผิดชอบ

ในขณะที่ประโยชน์ที่เป็นไปได้ของการวิศวกรรมโปรตีนโดย AI มีมาก แต่เทคโนโลยีนี้ก็ยังทำให้เกิดคำถามด้านจริยธรรมและความปลอดภัย อะไรจะเกิดขึ้นเมื่อ AI เริ่มออกแบบโปรตีนนอกเหนือความเข้าใจของมนุษย์? เราจะรับประกันความปลอดภัยของโปรตีนที่ออกแบบโดย AI สำหรับการใช้งานทางการแพทย์หรือสิ่งแวดล้อมได้อย่างไร?

เราต้องมุ่งเน้นไปที่การพัฒนา AI อย่างมีความรับผิดชอบและการทดสอบอย่างละเอียดเพื่อจัดการกับข้อกังวลเหล่านี้ โปรตีนที่ออกแบบโดย AI เช่น esmGFP ควรผ่านการทดสอบในห้องปฏิบัติการอย่างกว้างขวางก่อนที่จะพิจารณาใช้งานจริง นอกจากนี้ ยังต้องมีกรอบการทำงานด้านจริยธรรมสำหรับชีววิทยาที่ขับเคลื่อนด้วย AI เพื่อให้แน่ใจถึงความโปร่งใส ความปลอดภัย และความไว้วางใจของสาธารณชน

สรุป

การเปิดตัว ESM3 เป็นการพัฒนาที่สำคัญในด้านไบโอเทค ESM3 แสดงให้เห็นว่าการวิวัฒนาการไม่ควรเป็นกระบวนการที่ช้าและผิดพลาด การบีบอัดการวิวัฒนาการของโปรตีน 500 ล้านปีให้เหลือเพียงไม่กี่วัน เปิดโอกาสให้วิทยาศาสตร์สามารถออกแบบโปรตีนใหม่ๆ ได้อย่างรวดเร็วและแม่นยำ การพัฒนา ESM3 หมายความว่าเราจะไม่เพียงแต่ใช้ AI เพื่อทำความเข้าใจชีววิทยา แต่ยังสามารถเปลี่ยนแปลงมัน การพัฒนานี้ช่วยให้เราเพิ่มความสามารถในการเขียนโปรแกรมชีววิทยาได้เหมือนกับการเขียนโปรแกรมซอฟต์แวร์ โดยปลดปล่อยโอกาสที่เรากำลังเริ่มจินตนาการ