رهبران گوگل دیپ‌مایند برای کشف ساختار پروتئین آلفافولد، برنده جایزه نوبل شیمی شدند

آکادمی سلطنتی علوم سوئد جایزه نوبل شیمی را به دیمیس هاسابیس و جان جامپر از گوگل دیپ‌مایند اعطا کرد و به این ترتیب آلفافولد ۲، سیستم هوش مصنوعی که یکی از دشوارترین معماهای زیست‌شناسی را حل کرد، مورد تقدیر قرار گرفت. این جایزه یک نقطه عطف تاریخی است و هوش مصنوعی را نه تنها به عنوان ابزاری برای متن و تصویر، بلکه به عنوان یک موتور اساسی برای کشف علمی تثبیت می‌کند.[1]

برای بیش از ۵۰ سال، دانشمندان با «مسئله تاخوردگی پروتئین» دست و پنجه نرم می‌کردند. پروتئین‌ها، ماشین‌های مولکولی که تقریباً تمام فرآیندهای بیولوژیکی را هدایت می‌کنند، از زنجیره‌های خطی اسیدهای آمینه ساخته شده‌اند. با این حال، آن‌ها تنها زمانی عملکرد پیدا می‌کنند که به اشکال سه‌بعدی بسیار پیچیده تا بخورند. پیش‌بینی شکل نهایی از توالی اولیه، یک چالش بزرگ بیولوژیکی محسوب می‌شد که اغلب برای یک مولکول واحد، نیازمند سال‌ها کار طاقت‌فرسای آزمایشگاهی بود.[3]

آلفافولد ۲ این گلوگاه را از بین برد. تیم دیپ‌مایند با آموزش الگوریتم‌های یادگیری عمیق بر روی آرشیوهای گسترده‌ای از ساختارهای پروتئینی شناخته شده، سیستمی را ایجاد کرد که قادر است شکل سه‌بعدی یک پروتئین را با دقت در سطح اتمی و در عرض چند دقیقه پیش‌بینی کند. کمیته نوبل این جهش بی‌سابقه در سرعت و دقت را به عنوان توجیه اصلی برای اعطای جایزه ذکر کرد.[3]

مقیاس خروجی آلفافولد حیرت‌انگیز است. پس از موفقیت اولیه، دیپ‌مایند با آزمایشگاه اروپایی زیست‌شناسی مولکولی (EMBL) همکاری کرد تا ساختار بیش از ۲۰۰ میلیون پروتئین را پیش‌بینی کند. این پایگاه داده تقریباً هر پروتئین شناخته شده در علم را در بر می‌گیرد و به طور مؤثری بلوک‌های سازنده تمام حیات فهرست‌شده روی زمین – از زیست‌شناسی انسان گرفته تا باکتری‌ها و گیاهان ناشناخته – را نقشه‌برداری کرده است.[2]

تأثیر این دستاورد بر جامعه علمی جهانی فوری و عمیق بود. قبل از آلفافولد، تعیین یک ساختار واحد نیازمند تکنیک‌های گران‌قیمت و زمان‌بر مانند کریستالوگرافی اشعه ایکس یا میکروسکوپ الکترونی کرایو بود. امروزه، محققان می‌توانند به سادگی ساختار پیش‌بینی شده را در یک پایگاه داده رایگان و متن‌باز جستجو کنند، که به آن‌ها اجازه می‌دهد سال‌ها کار مقدماتی را دور بزنند و مستقیماً به درک نحوه عملکرد پروتئین بپردازند.[2][4]

این تسریع در حال حاضر نتایج ملموس و واقعی به همراه دارد. شرکت‌های داروسازی و آزمایشگاه‌های دانشگاهی از آلفافولد برای شناسایی اهداف دارویی جدید، طراحی آنتی‌بیوتیک‌های نوآورانه برای مبارزه با مقاومت دارویی، و تسریع توسعه واکسن‌های مالاریا استفاده می‌کنند. فراتر از سلامت انسان، این ابزار برای مهندسی آنزیم‌هایی که قادر به تجزیه پلاستیک‌های یک‌بار مصرف هستند و توسعه محصولاتی که می‌توانند در برابر شرایط اقلیمی شدید مقاومت کنند، به کار گرفته می‌شود.[1]

تصمیم دیپ‌مایند برای در دسترس قرار دادن رایگان پایگاه داده ساختار پروتئین آلفافولد، ساختارشناسی را دموکراتیزه کرده است. بیش از ۲ میلیون محقق در ۱۹۰ کشور جهان به این پایگاه داده دسترسی پیدا کرده‌اند. دانشمندان در کشورهای در حال توسعه، که پیش از این فاقد تجهیزات چند میلیون دلاری مورد نیاز برای ساختارشناسی سنتی بودند، اکنون می‌توانند تنها با یک لپ‌تاپ و اتصال به اینترنت، تحقیقات پیشرفته انجام دهند.

تقدیر نوبل همچنین نشان‌دهنده یک تغییر پارادایم در نحوه نگرش نهادهای علمی به هوش مصنوعی است. آلفافولد که در ابتدا با شک و تردید ساختارشناسان سنتی مواجه شد، اکنون به طور جهانی به عنوان یک ابزار بنیادی پذیرفته شده است. این سیستم ثابت کرده است که هوش مصنوعی می‌تواند حقایق فیزیکی اساسی در مورد جهان طبیعی را کشف کند و از تشخیص الگو فراتر رفته و به مدل‌سازی علمی واقعی بپردازد.[3][4]

با نگاه به آینده، این حوزه در حال حاضر فراتر از ساختارهای ایستا حرکت می‌کند. نسخه‌های جدیدتر، از جمله آلفافولد ۳، شروع به مدل‌سازی نحوه تعامل پروتئین‌ها با سایر مولکول‌های حیاتی مانند DNA، RNA و داروهای مولکولی کوچک کرده‌اند. این مدل‌سازی پویا مرز بعدی است و نوید شبیه‌سازی کل فرآیندهای سلولی در محیط مجازی را می‌دهد، پیش از آنکه حتی یک لوله آزمایش استفاده شود.

کمیته نوبل با اعطای جایزه شیمی به هاسابیس و جامپر، رسماً تأیید کرده است که عصر علم مبتنی بر هوش مصنوعی فرا رسیده است. همانطور که محققان به استخراج داده‌ها از پایگاه داده آلفافولد ادامه می‌دهند، اثرات جانبی این دستاورد – که در قالب درمان‌های جدید، مواد پایدار و درک عمیق‌تر از خود حیات اندازه‌گیری می‌شود – احتمالاً برای دهه‌های آینده آشکار خواهد شد.[1][2]