DeepMind เปิดตัวปัญญาประดิษฐ์ AlphaFold2 สำหรับการทำนายโครงสร้างการ "พับ" ของโปรตีน ทำให้นักวิทยาศาสตร์สามารถทำนายกระบวนการทำงานของโปรตีนแต่ละตัวได้รวดเร็วขึ้นในราคาถูกลง เปิดทางการพัฒนายาให้รวดเร็วยิ่งขึ้น
กระบวนการทำงานของโปรตีนขึ้นกับรูปร่างการพับของโครงสร้างกลุ่มอะมิโน ที่ผ่านมาการหาโครงสร้างอาศัยการทดลองที่ต้นทุนสูงมาก ทำให้การหาโครงสร้างโปรตีนแต่ละตัวทำได้ช้าและมีราคาแพง อย่างไรก็ดี Christian Anfinsen นักเคมีรางวัลโนเบลปี 1972 เคยทำนายไว้ว่าโครงสร้างการพับของโปรตีนนั้นน่าจะทำนายได้จากลำดับกรดอะมิโนเพียงอย่างเดียวเท่านั้น โดยข้อต่อของกรดอะมิโนแต่ละจุดทำให้ภาพรวมที่โครงสร้างจะพับไปได้มีความเป็นไปได้มหาศาล แต่ในธรรมชาติแล้วโปรตีนพับตัวเองเข้าเป็นโครงสร้างสุดท้ายภายในเวลาเพียงไม่กี่มิลลิวินาทีเท่านั้น
ในกลุ่มนักเคมี มีการแข่งขัน CASP ที่ก่อตั้งโดย John Moult และ Krzysztof Fidelis มาตั้งแต่ปี 1994 โดยการแข่งขันเป็นการนำโครงสร้างโปรตีนที่เพิ่งมีการทดลองหาโครงสร้างใหม่ๆ มาเป็นโจทย์เพื่อให้ผู้เข้าแข่งขันทำนายโครงสร้างจากลำดับกรดอมิโน โดยการแข่งขันจะวัดคะแนนแบบ Global Distance Test (GDT) ที่เป็นค่าเปอร์เซนต์ความผิดพลาดของตำแหน่งกรดอะมิโน โดยมีเป้าหมายว่าหากคะแนน GDT เกิน 90 ก็ถือว่าได้ความแม่นยำระดับเดียวกับการทดลอง แต่การแข่ง 12 ครั้งแรกกลับทำคะแนนกันได้เพียงไม่เกิน 40 คะแนนเท่านั้น
ทาง DeepMind เข้าแข่งขันเมื่อปี 2018 ด้วย AlphaFoldและได้คะแนนสูงกว่าทีมอื่นๆ อย่างชัดเจนคะแนนรวมเกือบ 60 GDT และปีนี้ทาง DeepMind ได้ลงแข่งอีกครั้งด้วย AlphaFold2 สามารถทำคะแนนที่ค่ามัธยฐาน 92.4 GDT ถือว่าข้ามเส้นของการทำนายที่ความแม่นยำระดับเดียวกับการทดลองไปเป็นที่เรียบร้อย โดยแม้แต่กลุ่มโปรตีนที่ยากที่สุดก็ยังทำคะแนนได้ 87 GDT โครงสร้างที่ใช้แข่ง เช่นโปรตีน ORF8 ของโคโรน่าไวรัส
โมเดลปัญญาประดิษฐ์ของ AlphaFold อาศัยฐานข้อมูล RCSB Protein Data Bank ที่มีฐานข้อมูลโปรตีน 170,000 รายการ โมเดลฝึกบน TPUv3 จำนวน 128 ชิปนานเป็นเวลากว่าสัปดาห์
ทาง DeepMind กำลังส่งรายงานวิจัยลงวารสารวิชาการต่อไป
ที่มา - DeepMind