ดีปไมนด์พร้อมที่จะปฏิวัติวิทยาศาสตร์ชีววิทยาโดยการแก้ปัญหาโครงสร้างโปรตีน

ดีปไมนด์ ซึ่งเป็นแผนก AI ของกูเกิล ได้ทำความก้าวหน้าอย่างมีนัยสำคัญ ในการแก้ปัญหาโครงสร้างโปรตีน ซึ่งเป็นหนึ่งในความท้าทายที่เก่าแก่ที่สุดในด้านชีววิทยา โดยการคำนวณรูปทรงของโปรตีนจากลำดับกรดอะมิโน ตามรายงานของ Nature การพัฒนานี้มีศักยภาพที่จะเปลี่ยนแปลงสาขาชีววิทยาและเคมี ทำให้นักวิทยาศาสตร์สามารถกำหนดหน้าที่ของโปรตีนที่ยังไม่ทราบอยู่ในปัจจุบัน

รูปทรงของโปรตีนกำหนดหน้าที่ของมัน และการทำงานส่วนใหญ่ในกระบวนการทางชีววิทยาขึ้นอยู่กับโปรตีน “การพับโปรตีน” คือกระบวนการที่เปลี่ยนโซ่กรดอะมิโนเป็นโครงสร้างสามมิติที่โปรตีนต้องการเพื่อทำงาน หากนักวิทยาศาสตร์สามารถกำหนดความสัมพันธ์ระหว่างลำดับกรดอะมิโนและรูปทรงของโปรตีนที่เกิดจากมัน พวกเขาจะสามารถกำหนดโปรตีนที่มีผลต่อกระบวนการทางชีววิทยาต่างๆ ได้

นักวิทยาศาสตร์เชื่อว่ามีโปรตีนอย่างน้อย 80,000 ชนิดในจีโนมของมนุษย์ แต่มีเพียงเศษเสี้ยวของโปรตีนที่มีโครงสร้างที่ทราบ วิธีการดั้งเดิมในการกำหนดรูปทรงของโปรตีนอาจใช้เวลาหลายปีในการทดลองในห้องปฏิบัติการ แม้ว่าจะใช้กำลังการประมวลผลของอัลกอริทึมคอมพิวเตอร์และแบบจำลองก็ตาม งานที่ทำโดยดีปไมนด์สามารถเร่งกระบวนการค้นพบโครงสร้างโปรตีนได้อย่างมาก โดยสามารถกำหนดโครงสร้างโปรตีนได้อย่างแม่นยำในเวลาที่สั้นกว่าปกติ

นักวิจัยที่ดีปไมนด์ฝึกอัลกอริทึมของพวกเขาด้วยฐานข้อมูลที่มีประมาณ 170,0000 ลำดับโปรตีนและรูปทรงที่สอดคล้องกับลำดับเหล่านั้น อัลกอริทึมที่พัฒนาโดยนักวิจัยได้รับการฝึกฝนบน GPU ระหว่าง 100 ถึง 200 ตัว และกระบวนการฝึกอบรมใช้เวลาเพียงไม่กี่สัปดาห์ในการเสร็จสิ้น โมเดลที่พัฒนาขึ้นโดยนักวิจัยได้รับการตั้งชื่อว่า “AlphaFold”

AlphaFold ทำงานผ่านอัลกอริทึม “ความตึงเครียด” โดยเริ่มต้นด้วยการเชื่อมต่อชิ้นส่วนเล็กๆ ของโปรตีนเข้าด้วยกัน แล้วขยายไปสู่การเชื่อมต่อชิ้นส่วนที่ใหญ่ขึ้นและใหญ่ขึ้น กลุ่มกรดอะมิโนขนาดเล็กถูกเชื่อมต่อกันในตอนแรก แล้วอัลกอริทึมจะพยายามหาวิธีการเชื่อมต่อกลุ่มเหล่านั้น

นักวิจัยของ AlphaFold ลองใช้อัลกอริทึมการเรียนรู้ลึกแบบดั้งเดิมกับข้อมูลทางพันธุกรรมและโครงสร้างเพื่อคาดการณ์ความสัมพันธ์ระหว่างกรดอะมิโนและโปรตีน AlphaFold สร้างแบบจำลองความเห็นพ้องกันสำหรับรูปแบบของโปรตีน เมื่อเทคนิคนี้พิสูจน์ว่ามีข้อจำกัดมากเกินไป นักวิจัยจึงลองใช้กลยุทธ์ใหม่ ทีมวิจัยของ AlphaFold สร้างแบบจำลองที่ฝึกฝนบนคุณลักษณะมากขึ้น และคราวนี้แบบจำลองจะคืนค่าความน่าจะเป็นสำหรับโครงสร้างสุดท้ายของลำดับโปรตีน

ทีมวิศวกรทดสอบ AlphaFold โดยการเข้าร่วมการแข่งขันซึ่งอัลกอริทึมคอมพิวเตอร์แข่งขันกันเพื่อประเมินโครงสร้างโปรตีนจากลำดับกรดอะมิโน การแข่งขันคือ “การประเมินโครงสร้างโปรตีน” หรือ CASP ผู้เข้าร่วมการแข่งขันจะได้รับลำดับกรดอะมิโน 100 ลำดับ และแบบจำลองของพวกเขาต้องค้นหโครงสร้างของโปรตีน ไม่เพียงแต่ AlphaFold ชนะอัลกอริทึมคอมพิวเตอร์อื่นๆ ในด้านความแม่นยำ แต่ยังทำงานได้ใกล้เคียงกับเทคนิคการสร้างแบบจำลองในห้องปฏิบัติการแบบดั้งเดิมอีกด้วย คะแนนเฉลี่ยสุดท้ายของ AlphaFold อยู่ที่ประมาณ 92 จาก 100 โดยวิธีการทดลองในห้องปฏิบัติการได้รับคะแนน 90 คะแนนเฉลี่ยของ AlphaFold ลดลงเหลือ 87% ในโปรตีนที่ยากที่สุด

ตามที่ Demis Hassabis ซีอีโอและผู้ร่วมก่อตั้งดีปไมนด์ บริษัทกำลังวางแผนให้นักวิจัยสามารถเข้าถึง AlphaFold ได้ โดยนักวิทยาศาสตร์จาก Max Planck Institute for Development Biology ได้ใช้แบบจำลองนี้เพื่อค้นพบโครงสร้างโปรตีนที่พวกเขาทำงานมานานกว่า 10 ปี

Janet Thornton ผู้อำนวยการ European Bioinformatics Institute กล่าวว่า ความสำเร็จของดีปไมนด์ “จะเปลี่ยนแปลงอนาคตของชีววิทยาโครงสร้างและวิจัยโปรตีน” ในขณะเดียวกัน John Moult นักชีววิทยาจาก University of Maryland, Shady Grove กล่าวว่า เขาไม่เคยคิดว่าปัญหาโครงสร้างโปรตีนจะถูกแก้ไขในช่วงชีวิตของเขา

แม้ว่า AlphaFold ไม่น่าจะแทนที่วิธีการทดลองแบบดั้งเดิมในการค้นพบโครงสร้างโปรตีน แต่ก็สามารถเพิ่มความเร็วในการค้นพบโครงสร้างโปรตีนได้อย่างมาก นักวิจัยอาจต้องการข้อมูลทดลองที่มีคุณภาพสูงน้อยลงในการกำหนดโครงสร้างโปรตีน และนักวิจัยมีเข้าถึงข้อมูลจีโนมจำนวนมากที่สามารถแปลเป็นโครงสร้างโดยใช้โซลูชันของ AlphaFold