شناسایی ساختار مولکولی توسط هوش مصنوعی

چند سالی است جان مک‌‌گیان، زیست‌شناس مدیر مرکز نوآوری آنزیم در پورتسموت انگلیس در حال تلاش برای یافتن مولکولی است که بتواند 150 میلیون تن بطری نوشابه و ضایعات پلاستیکی دیگر در جهان را تجزیه کند. او با همکاری پژوهشگران در دو سمت اقیانوس اطلس چند نمونه خوب پیدا کرده‌اند، اما با چالش بزرگی روبرو هستند. این زیست‌شناس مشهور می‌گوید: «کشف ترکیبات شیمیایی که به خودی‌خود به شکل‌های میکروسکوپی پیچ بخورند و بتوانند به‌طور کامل در مولکول‌های سازنده بطری‌های پلاستیکی جای بگیرند و مانند کلیدی که در را باز می‌کند آن‌ها را از هم جدا کنند کار سخت و پیچیده‌ای است.»

این روزها تعیین محتوای دقیق هر آنزیم کار تقریبا ساده‌ای است، اما شناسایی شکل سه‌بعدی آن شاید به سال‌ها آزمایش بیوشیمیایی نیاز دارد. پاییز سال گذشته (2020)، دکتر مک‌گیان پس از آن‌که مطلع شد که آزمایشگاه هوش مصنوعی دیپ‌مایند در لندن، سامانه‌ای ساخته که به‌طور خودکار شکل آنزیم‌ها و پروتئین‌های دیگر را پیش‌بینی می‌کند مکاتبه‌ای با آزمایشگاه انجام داد و از آن‌ها درخواست کمک کرد. در ادامه فهرستی از هفت آنزیم را برای دیپ‌مایند ارسال کرد. یک هفته بعد آزمایشگاه اشکال تمام هفت پروتئین را برای او ارسال کرد. دکتر مک‌گیان می‌گوید: «این‌کار ما را دو سال جلوتر انداخت. اکنون هر بیوشیمیدانی می‌تواند به‌همین شکل به کارش سرعت بخشد.» 

پایگاه داده جدیدی که شرکت دیپ‌مایند ایجاد کرده شامل ساختارهای سه‌بعدی تمام پروتئین‌های شرح داده شده در ژنوم انسان و پروتئین‌هایی است که در 20 موجود زنده دیگر از جمله موش، مگس میوه و باکتری ای‌کولای وجود دارد (شکل1). 

شکل 1 - این پروتئین‌ها متعلق به مگس میوه هستند که تصویر سه بعدی آن توسط هوش مصنوعی DeepMind آماده شده است. 

این نقشه بیولوژیکی عظیم و پرجزئیات می‌تواند اطلاعات بسیار کمیابی در اختیار دانشمندان قرار دهد. نقشه‌ای که می‌تواند به پزشکان در درک بیماری‌ها و ساخت داروهای جدید و تغییر کاربرد داروهای فعلی کمک زیادی کند. علاوه بر این، دستاورد جدید ممکن است به ساخت ابزارهای زیستی جدیدی منجر شود. به‌طور مثال، آنزیمی که بطری‌های پلاستیکی را تجزیه و آن‌ها را به موادی تجدیدپذیر و قابل بازیافت تبدیل کند یکی از این موارد است. 

گیر بابا، استادیار گروه زیست‌شناسی سلولی دانشگاه نیویورک می‌گوید: «این دستاورد می‌تواند شما را به لحاظ زمانی جلوتر ببرد، بر نوع نگرش شما در مورد مشکلات تاثیرگذار باشد و به حل سریع‌تر مشکلات کمک کند. در هر حوزه‌ای از زیست‌شناسی که مشغول مطالعه باشید، این ابزار می‌تواند مفید باشد.» (شکل 2)

شکل 2 -  ریچ اوانز، دانشمند و محقق دیپ‌مایند، در حال کار روی پروژه در دفتر این شرکت در لندن.

دانش جدید به‌نوعی کلید خود است، به بیان دقیق‌تر، اگر دانشمندان بتوانند شکل پروتئین را تعیین کنند، می‌توانند نحوه اتصال مولکول‌های دیگر به آن‌را مشخص کنند. این دانش ممکن است چگونگی مقاومت باکتری‌ها در برابر آنتی‌بیوتیک‌ها و نحوه مقابله با این مقاومت را آشکار کند. باکتری با استفاده از پروتئین‌های خاص در برابر آنتی‌بیوتیک‌ها مقاومت می‌کند، اگر دانشمندان بتوانند اشکال این پروتئین‌ها را شناسایی کنند، می‌توانند آنتی‌بیوتیک‌های جدید یا داروهای جدید بسازند و بر آن‌ها غلبه کنند. 

در گذشته، تعیین شکل پروتئین به چند ماه، سال‌ یا چند دهه‌ آزمایش و خطا نیاز داشت که در آن از اشعه ایکس، میکروسکوپ‌ها و ابزار‌های آزمایشگاهی استفاده می‌شد، اما دیپ‌مایند به کمک تکنیکی که آفلافولد (AlphaFold) نام دارد، می‌تواند این جدول زمانی را به مقدار قابل توجهی کاهش دهد. 

وقتی دکتر مک‌گیان فهرستی از هفت آنزیم را برای دیپ‌مایند فرستاد، به آزمایشگاه گفت شکل دو مورد از آن‌ها را قبلا شناسایی کرده، اما به ‌آن‌ها نگفت کدام دو مورد بودند. این روشی برای آزمایش عملکرد سامانه بود. با این‌حال، آلفافولد با پیش‌بینی صحیح هر دو شکل در آزمون موفق شد. نکته‌ای که برای دکتر مک‌گیان جالب بود، این بود که پیش‌بینی‌ها تنها در چند روز آماده شد. او در ادامه متوجه شد که آلفافولد تنها در چند ساعت این‌کار را انجام داده است. آلفافولد ساختار پروتئین‌ها را با استفاده از شبکه عصبی پیش‌بینی می‌کند که یک سیستم ریاضی است و با تجزیه‌وتحلیل حجم زیادی از اطلاعات می‌تواند نکات زیادی را یاد بگیرد و آن‌ها را در مورد ناشناخته‌ها به‌کار گیرد. شبکه عصبی همان فناوری است که دستورهای صورتی را که به تلفن هوشمند می‌دهید، شناسایی می‌کند، چهره‌های موجود در تصاویری که در فیسبوک ارسال می‌کنید را شناسایی می‌کند و در مترجم گوگل یک زبان را به زبان دیگری ترجمه می‌کند. کارشناسان حوزه هوش مصنوعی بر این باور هستند که آلفافولد یکی از قدرتمندترین کاربردهای این فناوری (شبکه عصبی) است. همان‌گونه که دکتر مک‌گیان به آن اشاره کرد، آلفافولد می‌تواند به‌شکل چشم‌گیری دقیق باشد. بر اساس آزمایش‌های مستقلی که در آن پیش‌بینی‌های این فناوری را با ساختارهای شناخته شده پروتئین مقایسه می‌کند، آلفافولد می‌تواند شکل پروتئین را با دقت زیادی پیش‌بینی کند که نزدیک به 63 درصد از اوقات با پیش‌بینی‌های انجام شده در آزمایش‌های فیزیکی مطابقت دارد. 

بیشتر کارشناسان اعتراف کردند که هیچ‌گاه تصور نمی‌کردند هوش مصنوعی با چنین سرعتی پیشرفت کند. رندی رید، استاد دانشگاه کمبریج، می‌گوید: «فکر می‌کردم حداقل 10 سال دیگر تا رسیدن به این نقطه فاصله داشته باشیم. کاری که مدل هوشمند دیپ‌مایند انجام داده تحول بزرگی در دنیای پزشکی و زیست‌شناسی به وجود خواهد آورد.»

البته دقت سیستم متغیر است، به‌طور که برخی از پیش‌بینی‌ها در پایگاه داده دیپ‌مایند نسبت به پیش‌بینی‌های دیگر دقت کمتری دارند. هر پیش‌بینی در پایگاه داده همراه با یک امتیاز اطمینان ثبت می‌شود که دقت الگوریتم در پیش‌بینی را نشان می‌دهد. پژوهشگران دیپ‌مایند تخمین می‌زنند که این سیستم در 95 درصد موارد پیش‌بینی خوبی ارایه می‌کند. (شکل 3)

شکل 3 - پروتئین نمایش داده شده برای باکتری ای‌کولای.

به‌همین دلیل، سیستم نمی‌تواند بطور کامل جایگزین آزمایش‌های فیزیکی شود. این روش در کنار روش‌های آزمایشگاهی قابل استفاده است تا به دانشمندان کمک کند که تعیین کنند چه آزمایش‌هایی باید انجام دهند و زمانی که آزمایش‌های فیزیکی با شکست روبرو شدند، آن‌گاه به سراغ هوش مصنوعی بروند. بد نیست بدانید که پژوهشگران دانشگاه کلرادو بولدر (Colorado Boulder) به‌تازگی با استفاده از آلفافولد موفق به شناسایی ساختار پروتئینی شدند که بیشتر از یک دهه بود وقت آن‌ها را تلف کرده بود. خوشبختانه خروجی این پروژه بسته نیست، پژوهشگران دیپ‌مایند تصمیم گرفتند به جای دریافت حق عضویت برای دسترسی به اطلاعات، پایگاه داده مربوط به ساختارهای پروتئینی را در اختیار همگان قرار دهند. برخی دانشمندان پایگاه داده جدید دیپ‌مایند را با پروژه ژنوم انسان مقایسه کرده‌اند. این پروژه که در سال 2003 تکمیل شد، نقشه تمامی ژن‌های انسان را ارایه می‌کند. اکنون دیپ‌مایند نقشه‌ای از تقریبا 30 هزار پروتئین آماده کرده که در ژنوم انسان حضور دارند. این نقشه به پژوهشگران کمک می‌کند سازوکار بدن را بهتر درک کنند و متوجه شوند در صورت بروز مشکل چگونه می‌توان آن‌را حل کرد. دمیس هاسابیس، رییس اجرایی و یکی از بنیانگذاران دیپ‌ مایند می‌گوید: «ما به دنبال آن‌ هستیم تا دسترسی دانشمندان و پزشکان به اطلاعات بنیادین‌ را تسهیل کنیم.»

پژوهشگران امیدوار هستند این فناوری پیشرفته‌تر شود. آزمایشگاهی در دانشگاه واشنگتن سیستم مشابهی به‌نام RoseTTAFold ساخته و مانند دیپ‌مایند کد کامپیوتری هدایت‌کننده سامانه را به‌اشتراک قرار داده است. همه می‌توانند از این فناوری استفاده کنند و هر کسی نقش تاثیرگذاری در بهبود آن داشته باشد. 

حتی قبل از این‌که دیپ‌مایند به‌شکل علنی فناوری و داده‌های خود را به‌اشتراک قرار دهد، آلفافولد به پروژه‌های تحقیقاتی زیادی کمک کرد. پژوهشگران دانشگاه کلرادو در حال استفاده از این فناوری هستند تا متوجه شوند چگونه باکتری‌هایی مانند ای‌کولای و سالمونلا  (salmonella) در برابر آنتی‌بیوتیک‌ها مقاومت از خود نشان می‌دهند و راه‌هایی برای مبارزه با این مقاومت پیدا کنند. پژوهشگران دانشگاه کالیفرنیا این نکته را کشف کرده‌اند که ویروس کرونا با کمک 26 پروتئین مختلف بدن را به ویرانی سوق می‌دهد. پژوهشگران به کمک آلفافولد توانسته‌اند اطلاعاتی در مورد یکی از پروتئین‌های اصلی به‌دست آورند و امیدوار هستند این فناوری بتواند به افزایش دانش آن‌ها در زمینه 25 پروتئین دیگر کمک کند.

اگر این پیشرفت به‌اندازه‌ای دیر حاصل شود که تاثیری روی همه‌گیری کرونا نداشته باشد، بدون شک می‌تواند در کسب آمادگی در برابر همه‌گیری بعدی کمک کند. کلیمنت وربا، یکی از پژوهشگران دانشگاه کالیفرنیا می‌گوید: «درک بهتر این پروتئین‌ها کمک می‌کند تا نه تنها این ویروس را هدف قرار دهیم، بلکه بتوانیم به ویروس‌های دیگر نیز حمله کنیم.»

کاربردهای احتمالی فناوری فوق زیاد هستند، پس از این‌که هوش مصنوعی دیپ‌مایند شکل هفت پروتئین را به دکتر مک‌گیان نشان داد که به‌طور بالقوه می‌تواند جهان را از ضایعات پلاستیکی نجات دهد، او 93 پروتئین دیگر را برای آزمایشگاه ارسال کرد که به گفته وی درحال کار روی آن هستند.