DeepMind، گروه فعال در زمینه هوش مصنوعی که با عملکرد فوق‌العاده خود در رابطه با بازی‌های کامپیوتری به شهرت رسیده، مسأله علمی مهمی را حل می‌کند که نیم قرن پژوهشگران را درگیر کرده بود.
شرکت و آزمایشگاه تحقیقاتی AlphaFold با استفاده از آخرین برنامه هوش مصنوعی خود نشان داد که می‌تواند تاشدگی پروتئین‌ها را به شکل سه‌بعدی نشان دهد، فرایندی شدیداً پیچیده که برای درک سازوکار زیستی زندگی ضروری است.
دانشمندان مستقل اعلام کردند که این پیشرفت به پژوهشگران کمک می‌کند سازوکارهای بعضی از بیماری‌ها را درک کنند و مسیر را برای تولید داروهای بهتر، محصولات مغذی‌تر و «آنزیم‌های سبز» که مانع از آلودگی محیط زیست توسط پلاستیک می‌شوند، هموار کند.
این برنامه، مسأله علمی را با پیشرفت چشمگیری حل کرده و به درک سازوکار زندگی کمک می‌کند. عملکرد پروتئین بر اساس شکل آن پس از تاشدکی تعیین می‌شود که قبلاً برای کشف آن در آزمایشگاه به سال‌ها زمان نیاز بود. عکس: DeepMind/PA
DeepMind می‌گوید همکاری خود را با چند گروه از دانشمندان آغاز کرده و ابتدا روی مالاریا، بیماریِ خواب و بیماری انگلی سالک تمرکز می‌کند.
دمیس هسابیس (Demis Hassabis)، بنیان‌گذار و مدیرعامل DeepMind می‌گوید: «اکنون در زمان سرنوشت‌سازی قرار داریم. این الگوریتم‌ها به قدری تکامل پیدا کرده‌اند و قدرتمند شده‌اند که می‌توان برای حل مسائل علمی دشوار از آن‌ها استفاده کرد.»
ونکی راماکریشنان (Venki Ramakrishnan) مدیر Royal Society این کار را «پیشرفتی چشمگیر» می‌داند که «دهه‌ها زودتر از آنچه افراد فعال در این حوزه انتظار داشتند» به وقوع پیوسته است.
DeepMind به خاطر ساخت برنامه‌هایی معروف است که می‌توانند در شطرنج، بازی‌های کلاسیک آتاری، Go و Starcraft II انسان را شکست بدهند. اما هدف اصلی این شرکت بازی کردن با قدرتی فوق‌العاده نبوده است. بلکه این بازی‌ها زمینه را برای تمرین برنامه‌هایی آماده کردند که وقتی به قدرت کافی برسند برای حل مسائل در دنیای واقعی از آن‌ها استفاده می‌شود.
تاشدگی پروتئین در حوزه زیست‌شناسی به مدت 50 سال چالش بزرگی به حساب می‌آمد. شکل خاصی از تاشدگی مولکولی که هرچه از اهمیت آن بگوییم کم گفته‌ایم. بیشتر فرایندهای زیستی حول محور پروتئین‌ها می‌گردند و شکل پروتئین عملکرد آن را تعیین می‌کند. وقتی پژوهشگران از نحوه تاشدگی پروتئین باخبر شوند می‌توانند عملکرد آن را کشف کنند. چگونگی کنترل قند خون توسط انسولین و نحوه مبارزه پادتن‌ها با ویروس کرونا هر دو توسط ساختار پروتئین مشخص می‌شوند.
دانشمندان بیش از 200 میلیون نوع پروتئین کشف کرده‌اند اما فقط ساختار تعداد اندکی از آن‌ها مشخص است. در گذشته شکل پروتئین‌ها به کمک کارهای آزمایشگاهی دقیقی شناسایی می‌شد که ممکن بود چندین سال زمان ببرد. با اینکه متخصصان کامپیوتر در حل این مشکل پیشرفت‌هایی داشته‌اند، کشف ساختار پروتئین کار آسانی نیست. پروتئین، زنجیره‌ای از آمینواسید است که با پیچ‌وتاب خوردن و تا شدن می‌تواند به 1E+300 (عدد یک با سیصد صفر جلوی آن) شکل مختلف در بیاید.
پژوهشگران DeepMind برای اینکه نحوه تاشدگی پروتئین را کشف کنند، الگوریتم خود را با استفاده از یک پایگاه داده عمومی آموزش دادند که 170 هزار توالی پروتئین و اَشکال آن‌ها را شامل می‌شد. این آموزش با استفاده از نیرویی برابر 100 تا 200 پردازشگر گرافیکی (که بر اساس استانداردهای امروزی قدرت محاسباتی معمولی به حساب می‌آید) چند هفته طول کشید.
DeepMind برای آزمایش قدرت AlphaFold آن را وارد «المپیک دوسالانه پروتئین‌ها» کرد که به Casp نیز معروف است. توالی آمینواسید حدود 100 پروتئین در اختیار شرکت‌کنندگان این مسابقه قرار می‌گیرد و باید بر اساس آن‌ها ساختارهای جدیدی کشف کنند. نتایج تیم‌هایی که برای این کار از کامپیوتر استفاده می‌کنند با نتایج آن‌هایی که از کار آزمایشگاهی استفاده می‌کنند مقایسه می‌شود.
AlphaFold عملکردی بهتر از برنامه‌های کامپیوتری دیگر داشت و از نظر دقت با روش‌های آزمایشگاهی طاقت‌فرسا و زمان‌بر قابل‌مقایسه بود. پس از رتبه‌بندی تمام پروتئین‌های تحلیل‌شده، AlphaFold به میانه 5/92 از 100 رسید که عدد 90 مشابه میانه روش‌های تجربی است. برای پروتئین‌های سخت‌تر، میانه آن کمی کاهش پیدا کرد و به عدد 87 رسید.
هسابیس می‌گوید DeepMind روی این موضوع کار می‌کند که دسترسی به AlphaFold را در اختیار پژوهشگران قرار دهد تا در تحقیقات علمی به آن‌ها کمک کند. آندره لوپاس (Andrei Lupas) مدیر موسسه Max Planck که در توبینگن آلمان در زمینه زیست‌شناسی رشد فعالیت دارد، می‌گوید توانسته از این برنامه برای کشف ساختار پروتئینی استفاده کند که دانشمندان پس از یک دهه هنوز نتوانسته بودند آن را حل کنند.
جنت ثورنتون (Janet Thornton) مدیر افتخاری موسسه بیوانفورماتیک EMBL اروپا در نزدیکی کمبریج (که در این کار نقشی نداشته) می‌گوید از شنیدن نتیجه تعجب‌زده شده است. او می‌گوید:
«این مشکلی بود که فکر می‌کردم تا وقتی زنده‌ام حل نخواهد شد. شناختن این ساختارها واقعاً به ما کمک می‌کند که نحوه فعالیت و عملکرد بدن انسان را درک کنیم.»
جان جامپر (John Jumper) یکی از پژوهشگران تیم DeepMind می‌گوید: «تا وقتی نتایج Casp را ندیده بودیم نمی‌دانستیم چه قدر در این حوزه پیشرفت کرده‌ایم». البته کار به همین جا ختم نمی‌شود. پژوهش‌های آتی به این موضوع می‌پردازد که پروتئین‌ها چطور با هم ترکیب شده و ساختارهای پیچیده را شکل می‌دهند و چطور با دیگر مولکول‌های بدن موجودات زنده تعامل دارند.
