در سال 2021، هوش مصنوعی آزمایشگاه تحقیقاتی DeepMind توسعه اولین شبکه عصبی زیست شناسی دیجیتال خود، AlphaFold را اعلام کرد. این مدل قادر به پیش بینی دقیق ساختار سه بعدی پروتئین ها بود که عملکرد این مولکول ها را تعیین می کند. Pushmeet Kohli، معاون تحقیقات DeepMind می‌گوید: «ما فقط کیسه‌های آب شناور هستیم که در اطراف حرکت می‌کنند. «آنچه ما را خاص می‌کند پروتئین‌ها هستند، بلوک‌های سازنده زندگی. نحوه تعامل آنها با یکدیگر چیزی است که باعث می شود جادوی زندگی اتفاق بیفتد.

AlphaFold در سال 2021 توسط مجله Science در نظر گرفته شد. کوهلی می‌گوید: «مردم برای چندین دهه از (ساختارهای پروتئینی) پیروی می‌کنند و نتوانسته‌اند پیشرفت زیادی داشته باشند. “سپس هوش مصنوعی آمد.” DeepMind همچنین پایگاه داده ساختار پروتئین AlphaFold را منتشر کرد که شامل ساختارهای پروتئینی تقریباً هر موجود زنده ای است که ژنوم آنها توالی یابی شده است و آن را به صورت رایگان در اختیار دانشمندان سراسر جهان قرار می دهد.

بیش از 1.7 میلیون محقق در 190 کشور از آن برای تحقیقات مختلف از طراحی آنزیم های پلاستیک خوار تا ساخت واکسن های موثرتر علیه مالاریا استفاده کرده اند. یک چهارم از تحقیقات مربوط به AlphaFold به درک سرطان، کووید-19 و بیماری های عصبی مانند پارکینسون و آلزایمر اختصاص داشت. سال گذشته، DeepMind نسل بعدی AlphaFold خود را منتشر کرد که الگوریتم پیش‌بینی ساختار خود را به بیومولکول‌هایی مانند اسیدهای نوکلئیک و لیگاندها گسترش داد.

کوهلی می گوید: «این امر تحقیقات علمی را دموکراتیزه کرد. دانشمندانی که در یک کشور در حال توسعه بر روی یک بیماری استوایی نادیده گرفته شده کار می کنند، به بودجه مورد نیاز برای محاسبه ساختار یک پروتئین دسترسی ندارند. اکنون با یک کلیک می توانند به پایگاه داده AlphaFold دسترسی داشته باشند و این پیش بینی ها را به صورت رایگان دریافت کنند. به عنوان مثال، یکی از اولین شرکای DeepMind، Drugs for Neglected Diseases، از AlphaFold برای تولید داروهایی برای بیماری هایی استفاده کرد که میلیون ها نفر را تحت تاثیر قرار می دهد، مانند بیماری خواب، بیماری شاگاس، و لیشمانیوز، اما موضوع تحقیقات نسبتا کمی هستند.

آخرین پیشرفت DeepMind AlphaMissense نام دارد. این مدل به اصطلاح جهش های نادرست را دسته بندی می کند، یعنی تغییرات ژنتیکی که می تواند منجر به تولید اسیدهای آمینه مختلف در موقعیت های خاص در پروتئین ها شود. چنین جهش‌هایی می‌توانند عملکرد خود پروتئین را تغییر دهند و AlphaMissense امتیاز احتمال بیماری‌زا یا خوش‌خیم بودن این جهش را تعیین می‌کند. کوهلی می گوید: “درک و پیش بینی این اثرات برای کشف بیماری های ژنتیکی نادر بسیار مهم است.” این الگوریتم که سال گذشته منتشر شد، حدود 89 درصد از تمام اشتباهات احتمالی انسان را طبقه بندی کرد. پیش از این، تنها 0.1 درصد از همه گونه های ممکن توسط محققان طبقه بندی شده بود.

کوهلی می گوید: «این تازه شروع کار است. در نهایت، او معتقد است که هوش مصنوعی در نهایت می تواند منجر به ایجاد یک سلول مجازی شود که می تواند تحقیقات زیست پزشکی را به شدت تسریع کند و به جای اینکه در آزمایشگاه های واقعی، زیست شناسی را در سیلیکو کاوش کند. به لطف هوش مصنوعی و یادگیری ماشینی، ما بالاخره ابزاری برای درک این سیستم بسیار پیچیده که زندگی نامیده می‌شود، داریم.

این مقاله در شماره ژوئیه/آگوست 2024 منتشر شده است مجله WIRED انگلستان.